php – HTML Purifier：转换为

2022-06-08 20:55:23

前提

我想使用HTML Purifier转换< body>标签为< div>标签,以保持< body>上的内联样式元素,例如< body style =“background：color#000000;”>您好.< / body>将转向< div style =“background：color#000000;”>您好.< / div>.我正在研究custom tag和TagTransform类的组合.

当前设置

在我的配置部分,我目前正在这样做：

$htmlDef  = $this->configuration->getHTMLDefinition(true);
// defining the element to avoid triggering 'Element 'body' is not supported'
$bodyElem = $htmlDef->addElement('body', 'Block', 'Flow', 'Core');
$bodyElem->excludes = array('body' => true);
// add the transformation rule
$htmlDef->info_tag_transform['body'] = new HTMLPurifier_TagTransform_Simple('div');

……以及允许< body>它的样式(以及类和id)属性通过配置指令(它们是一个工作的大型列表的一部分,该列表被解析为HTML.AllowedElements和HTML.AllowedAttributes).

我已经关闭了定义缓存.

$config->set('Cache.DefinitionImpl', null);

不幸的是,在这个设置中,似乎HTMLPurifier_TagTransform_Simple从未调用其transform()方法.

HTML.Parent？

我认为罪魁祸首是我的HTML.Parent,设置为’div’,很自然,< div>不允许孩子< body>元件.但是,将HTML.Parent设置为’html’会让我知道：

ErrorException: Cannot use unrecognized element as parent

添加…

$htmlElem = $htmlDef->addElement('html', 'Block', 'Flow', 'Core');
$htmlElem->excludes = array('html' => true);

…摆脱该错误消息,但仍然没有转换标签 – 它被删除了.

添加…

$htmlElem = $htmlDef->addElement('html', 'Block', 'Custom: head?, body', 'Core');
$htmlElem->excludes = array('html' => true);

…也没有做任何事,因为它给我一个错误信息：

ErrorException: Trying to get property of non-object       

[...]/library/HTMLPurifier/Strategy/FixNesting.php:237
[...]/library/HTMLPurifier/Strategy/Composite.php:18
[...]/library/HTMLPurifier.php:181
[...]

我现在仍在调整最后一个选项,试图找出我需要提供的确切语法,但如果有人知道如何根据他们自己过去的经验帮助我,我会欣赏正确方向的任何指示.

HTML.TidyLevel？

作为唯一可以想象的罪魁祸首,我的HTML.TidyLevel设置为“重”.我还没有尝试所有可能的星座,但到目前为止,这没有任何区别.

(因为我只是在接触它,所以我很难回想起我已经尝试过哪些星座,以免我在这里列出它们,但是由于我缺乏自信,我不会错过我做过的事情或误报了一些事情.我可能会在以后做完一些专门测试的时候编辑这个部分！)

完整配置

我的配置数据存储在JSON中,然后解析为HTML Purifier.这是文件：

{
    "CSS" : {
        "MaxImgLength" : "800px"
    },
    "Core" : {
        "CollectErrors" : true,
        "HiddenElements" : {
            "script"   : true,
            "style"    : true,
            "iframe"   : true,
            "noframes" : true
        },
        "RemoveInvalidImg" : false
    },
    "Filter" : {
        "ExtractStyleBlocks" : true
    },
    "HTML" : {
        "MaxImgLength" : 800,
        "TidyLevel"    : "heavy",
        "Doctype"      : "XHTML 1.0 Transitional",
        "Parent"       : "html"
    },
    "Output" : {
        "TidyFormat"   : true
    },
    "Test" : {
        "ForceNoIconv" : true
    },
    "URI" : {
        "AllowedSchemes" : {
            "http"     : true,
            "https"    : true,
            "mailto"   : true,
            "ftp"      : true
        },
        "DisableExternalResources" : true
    }
}

(URI.Base,URI.Munge和Cache.SerializerPath也设置了,但是我已经在这个粘贴中删除了它们.另外,HTML.Parent警告：如上所述,通常,这被设置为’div’.)

解决方法:

这段代码是您正在做的事情不起作用的原因：

/**
 * Takes a string of HTML (fragment or document) and returns the content
 * @todo Consider making protected
 */
public function extractBody($html) {
    $matches = array();
    $result = preg_match('!<body[^>]*>(.*)</body>!is', $html, $matches);
    if ($result) {
        return $matches[1];
    } else {
        return $html;
    }
}

您可以使用％Core.ConvertDocumentToFragment将其关闭为false;如果你的其余代码是无bug的,它应该直接从那里开始工作.我不相信你的bodyElem定义是必要的.j

码农公寓

相关文章