soundasleep/html5lib-php

基于WHATWG HTML5规范的HTML解析器的PHP实现。

维护者

详细信息

github.com/soundasleep/html5lib-php

主页

源代码

IRC

安装数量: 1,582

依赖关系: 0

建议者: 0

安全性: 0

星标: 3

关注者: 3

分支: 69

0.1.3 2014-04-18 00:52 UTC

Requires

  • php: >=5.3.2

MIT 33c171e9c4eeec837f9fd0c95b397fa5e087579c

phpHTML5

This package is auto-updated.

Last update: 2024-09-14 09:58:06 UTC

README

这是HTML5规范中标记化和树构建部分的PHP实现。该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，因此代码中某些部分可能不够完善（例如错误报告和性能）。然而，代码非常接近规范，通过了与解析错误无关的所有测试。不过，预计您在下次升级时需要更新代码。

此分支结合了html5lib/html5lib-php和lavoiesl/php-html5lib的工作，并且可以通过composer通过Packagist使用

{
  "require": {
    "soundasleep/html5lib-php": "~0.1.3"
  }
}

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

开发者注意

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

  • 我们不希望最终使用PHP的DOM，因为它对HTML 5允许的某些类型错误不敏感（例如，元素"foo@bar"）。但是，当前的实现使用了它，因为它很简单。最终，此html5lib实现将获得SimpleTree的版本；并且可能默认开始使用它。

  • 原始实现在此处执行行和列跟踪。然而，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：仅在明确要求时计算行/列号。如果我们尝试为文档中的所有内容计算行/列号，这会更慢，但如果错误数量足够少，这将是一个巨大的改进。