electrolinux/php-html5lib

A PHP实现的基于WHATWG HTML5规范的HTML解析器。

维护者

详细信息

github.com/electrolinux/php-html5lib

主页

源代码

IRC

安装量: 190,041

依赖者: 1

建议者: 0

安全性: 0

星标: 4

关注者: 2

分支: 3

0.1.0 2013-03-18 18:32 UTC

Requires

  • php: >=5.3.2

MIT 9f92154993c7ecb120d9f9c0e558660d32846721

phpHTML5

This package is auto-updated.

Last update: 2024-09-24 04:25:15 UTC

README

这是在PHP中实现HTML5规范的标记化和树构建部分的实现。此库的潜在用途可以在网络爬虫和HTML过滤器中找到。

警告：这是一个预_alpha版本，因此，代码的某些部分可能不够完善（例如错误报告和性能）。然而，代码与规范非常接近，并且通过了100%的非解析错误测试。不过，预计您在下次升级时需要更新您的代码。

使用说明

<?php
use HTML5Lib\Parser;
$dom = Parser::parse('<html><body>...');
$nodelist = Parser::parseFragment('<b>Boo</b><br>');
$nodelist = Parser::parseFragment('<td>Bar</td>', 'table');
?>

文档

Parser::parse($text)
    $text  : HTML to parse
    return : DOMDocument of parsed document

Parser::parseFragment($text, $context)
    $text    : HTML to parse
    $context : String name of context element
    return   : DOMDocument of parsed document

开发者说明

  • 要设置单元测试，您需要添加一个名为test-settings.php的小占位符文件，该文件包含$simpletest_location = 'path/to/simpletest/'; 这需要是SimpleTest的1.1版本（或者，在它发布之前，SVN主干）。

  • 我们不希望最终使用PHP的DOM，因为它不能容忍HTML5允许的某些类型的错误（例如，元素"foo@bar"）。但是，当前的实现使用了它，因为它很方便。最终，这个html5lib实现将获得SimpleTree的版本；并且可能默认开始使用它。

  • 原始实现在此处进行了行和列跟踪。但是，发现这大约加倍了标记化的运行时间，因此我们决定采取更乐观的方法：仅在明确请求时计算行/列号。如果我们尝试为文档中的所有内容计算行/列号，这将更慢，但如果错误数量足够少，这将是一个巨大的改进。