@evil0o

Как получить текст который обрамлен тегами.Например выцепить "Знак"(Ниже в примере)
Есть ли готовые парсеры или хотя бы верный способ против всех бед(нет текста в заголовке, как то не так оформлен, ошибка в синтаксисе то есть кавычек забыли поставить и т.п.)

Пример

0

@rus_dao

мне кажется, самый простой способ- воспользоваться командой "strip_tags"

0

@evil0o

rus_dao, ну неплохо но

1

@rus_dao

"частичные или сломанные теги" это достаточно редкое явление. но мне приходилось пару раз писать специальные регулярки на незакрытый тег и прочую глупость. просто проверять надо всегда валидность своего кода.

0

NEbO

скажите, что должно получиться в результате парсинга такой строки:
?

0

KOPOJI

1

@evil0o

ну давайте к делу)). У меня тут куча таблиц и лишних хр.ней кое где классы левые, кое где надо привернуть классы.
Ну не верю я что нет готовых парсеров для вставки или удадления тегов, классов, ссылок и т.п.

Добавлено через 1 минуту
я конечно кое что сделал что срочно было. через функции по работе с текстом. Но не покидает ощущение велосепедостроения

Добавлено через 7 минут
ага , если бы мой код был бы, а сооружать что то будет отправлять код на проверку валидности.. мне кажется не таким и легким. Хотя если вы можете предложить вариант?

0

NEbO

ну хорошо, если данные свои -- это уже совсем другая задача. тогда пример можно упростить, но! вы сказали "незакрытые теги" и "незакрытые аттрибуты". ну вы сами понимаете, что даже браузеры такую страницу отрендерить могут по-разному? Вы хотите сделать получше, чем все эти гугли, мозиллы, майкрософты, эпплы?
Ну хорошо, допустим, возможность есть. Я думаю, вам подойдет средство для парсинга контекстно-зависимых грамматик. Я почти уверен, что подойдет! http://en.wikipedia.org/wiki/C... ve_grammar и http://en.wikipedia.org/wiki/G... ve_grammar . Как думаете, почему в браузерах они не реализованы? правильно, из-за NP-сложности. Готовых средств для парсинга этих грамматик в пхп нет, и наврядли они появятся в ближайшее время.
Другой вариант -- использовать GLR парсеры, которых для php я также еще не встречал. Если б вы за это взялись, я постарался бы помочь вам в реализации. Мне просто интересно в чисто академических целях, да и парсер такой -- полезный, нужный, для некоторого рода задач. Но я сам в алгоритме не совсем до конца разобрался. Однако, следует заметить, что правила вы для него все равно замучаетесь составлять. Хотябы потому что и по-человечески это сделать затруднительно. Возьмите строку:
что тут считать правильно? незакрытые теги или аттрибуты в приоритете? Ну хорошо. Предположим, результатом должен быть просто текст, без "уголков", т.е. не под тегами.
Тогда возьмите даже валидный код Тут уже, разумеется, нужно брать во внимание аттрибуты, и тегам отдавать ровно то значение, которое под них отведено.
В любой КС грамматике вы не сможете задать, скажем, ограничение на длину атрибута, в зависимости от общей длины тега. А по предыдущим двум примерам это вполне себе удобная эвристика. Также, вы не сможете подсчитать, являются ли следующие, начиная с текущей позиции, символы "похожими" (с учетом возможных повторных ошибок) на строку исходной грамматики. Даже с GLR будет все это сделать достаточно проблематично. КЗ больше подойдут, особенно для разных эвристик. Но их нереально сделать быстрыми -- как я уже сказал, это очевидная NP-задача.

Поэтому ни на пхп, ни даже на других языках готового универсального решения нет и не может быть. html код можно исковеркать так, что сам черт ногу сломит, и я не знаю, насколько это применимо к Вашей базе.

Вы наверняка хотите сказать, что у вас в базе такого нет. И все нормально. Ну тогда и применяйте "нормальные средства", такие как strip_tags. Опять же, я не в курсе, насколько у вас там все плохо, поэтому проверьте, что получится. Вырежет что-то лишнее -- придется возиться вручную. Это наиболее простой вариант.
Чуть посложнее, но тоже "нормальный": использовать средства вроде PhantomJS, которые и делают что по сути эмулируют браузер. Правда, конечно, это уже не php (ну разве что через расширение v8 попытаться как-то его подрубить, если ну ооочень нада). Т.е. фактически вы можете получить на выходе такую структуру, как ее увидит браузер. А в нем наверняка полным-полно всяких готовых эвристик. Можете также глянуть в исходники той же мозиллы или вебкита.

И все-таки, я бы рекомендовал вам не мучаться, и попробовать strip_tags. Если уж он не справится, тогда говорите конкретно, какие правила, что и как у вас есть в базе, такое, что он вырезает неправильно. Посмотрите в вашу базу (вы же ее знаете лучше любого находящегося на этом форуме!) -- может, у вас там никогда какой-то тег не закрывается, может, какой-то аттрибут, может после чего-то там следует чего-то там. И другие правила. Не универсальные, а применимые только в вашей базе. И если этих правил наберется немного, то вполне может быть, что получится свести грамматику к регулярной, или КС с небольшим (n).
Просто напишите их сюда, и мы вместе постараемся составить для вас нужные регулярки

Но если вы раньше давали пользователям загружать произвольный код, а сейчас хотите запретить это делать (то есть количество и качество ошибок в исходных данных почти наверняка превышает разумные пределы), то это бесполезно, и я вам заниматься этим не рекомендую.

Добавлено через 3 минуты

1