手机浏览 RSS 2.0 订阅 膘叔的简单人生 , 腾讯云RDS购买 | 超便宜的Vultr , 注册 | 登陆

tidy参数引发的问题

首页 > PHP >

Submitted by gouki on 2011, December 15, 3:55 PM. PHP

tidy库对于我们处理非标准HTML来说是一个好工具，当然，由于他需要在服务器上配置，所以相对就较少人用它，而是HtmlPurifier，毕竟它不需要在服务器上配置直接就可以配置着用了。
为什么我们会用这些工具呢？主要还是由于国内做页面啊，那是相当的不小心，不是这里标签不闭合，就是大小写混用，对于我们做页面分析的来说，就痛苦很多了。肿么办肿么办？
OK，htmlpurifier和tidy库就是帮我们解决这些问题的小工具。
这次要讲的是tidy库参数引发的问题，tidy的函数其实不多，平时我们一般只用tidy_repair_string或者tidy_repair_file就完了，可是就是因为这个REpair导致我的代码出了点问题
tidy_repair_string共需要三个参数，第一个参数string就不用提了，第二个参数是config，第三个参数是encoding。
NND，明明config数组中就可以指定encoding的，为什么还要用第三个参数？？
我在处理的时候，在config中指定了input-encoding和output-encoding，分别是实际的编码，但在处理完后。发现有问题，好象页面中有几个字符被处理坏了。导致了UTF-8不认。
最后，只能tidy_repair_string($string,null,"UTF-8");
但这样，好象还是有问题，因为tidy支持的编码都是utf8之类的，参考：http://tidy.sourceforge.net/docs/quickref.html
LOOK:Example: raw, ascii, latin0, latin1, utf8, iso2022, mac, win1252, ibm858, utf16le, utf16be, utf16, big5, shiftjis
因此，写UTF-8有可能会出错（我没有仔细试）
上面的：tidy_repair_string($string,null,"UTF-8");其实还是错的，PHP报错说是找不到 指定的配置文件。所以NULL不能直接用啊，tidy_repair_string($string,array("wrap"=>0),"utf8")
直接解决问题。
（事实上，我一直在怀疑我的页面中是否有一些字符串tidy库处理的有问题，比如一些特殊字符，正如上面所写的，它支持的编码有问题，而我写的input-encoding为gb2312，所以就不正常了？转换有问题？）没有很多时间解决这个问题，主要是被他折腾了一天，所以记录一下。



本站采用创作共享版权协议, 要求署名、非商业和保持一致. 本站欢迎任何非商业应用的转载, 但须注明出自"易栈网-膘叔", 保留原始链接, 此外还必须标注原文标题和链接.

Tags: tidy, htmlpurifier

« 上一篇 | 下一篇 »

只显示10条记录相关文章

基于PHP版本的 Readability 库 (浏览: 19230, 评论: 0)
HtmlPurifier的一个小问题：处理flash (浏览: 17221, 评论: 1)
HTML Purifier库 (浏览: 16802, 评论: 0)
在新浪SAE上使用htmlpurifier (浏览: 16587, 评论: 0)

发表评论

评论内容 (必填):