Как конвертировать HTML в JSON с помощью PHP?
Я могу конвертировать JSON в HTML с помощью библиотеки JSONTOHTML. Теперь мне нужно преобразовать существующий HTML в JSON, как показано на этом сайте. Когда я заглянул в код, я обнаружил следующий скрипт:
<script>
$(function(){
//HTML to JSON
$('#btn-render-json').click(function() {
//Set html output
$('#html-output').html( $('#html-input').val() );
//Process to JSON and format it for consumption
$('#html-json').html( FormatJSON(toTransform($('#html-output').children())) );
});
});
//Convert obj or array to transform
function toTransform(obj) {
var json;
if( obj.length > 1 )
{
json = [];
for(var i = 0; i < obj.length; i++)
json[json.length++] = ObjToTransform(obj[i]);
} else
json = ObjToTransform(obj);
return(json);
}
//Convert obj to transform
function ObjToTransform(obj)
{
//Get the DOM element
var el = $(obj).get(0);
//Add the tag element
var json = {'tag':el.nodeName.toLowerCase()};
for (var attr, i=0, attrs=el.attributes, l=attrs.length; i<l; i++){
attr = attrs[i];
json[attr.nodeName] = attr.value;
}
var children = $(obj).children();
if( children.length > 0 ) json['children'] = [];
else json['html'] = $(obj).text();
//Add the children
for(var c = 0; c < children.length; c++)
json['children'][json['children'].length++] = toTransform(children[c]);
return(json);
}
//Format JSON (with indents)
function FormatJSON(oData, sIndent) {
if (arguments.length < 2) {
var sIndent = "";
}
var sIndentStyle = " ";
var sDataType = RealTypeOf(oData);
// open object
if (sDataType == "array") {
if (oData.length == 0) {
return "[]";
}
var sHTML = "[";
} else {
var iCount = 0;
$.each(oData, function() {
iCount++;
return;
});
if (iCount == 0) { // object is empty
return "{}";
}
var sHTML = "{";
}
// loop through items
var iCount = 0;
$.each(oData, function(sKey, vValue) {
if (iCount > 0) {
sHTML += ",";
}
if (sDataType == "array") {
sHTML += ("\n" + sIndent + sIndentStyle);
} else {
sHTML += ("\"" + sKey + "\"" + ":");
}
// display relevant data type
switch (RealTypeOf(vValue)) {
case "array":
case "object":
sHTML += FormatJSON(vValue, (sIndent + sIndentStyle));
break;
case "boolean":
case "number":
sHTML += vValue.toString();
break;
case "null":
sHTML += "null";
break;
case "string":
sHTML += ("\"" + vValue + "\"");
break;
default:
sHTML += ("TYPEOF: " + typeof(vValue));
}
// loop
iCount++;
});
// close object
if (sDataType == "array") {
sHTML += ("\n" + sIndent + "]");
} else {
sHTML += ("}");
}
// return
return sHTML;
}
//Get the type of the obj (can replace by jquery type)
function RealTypeOf(v) {
if (typeof(v) == "object") {
if (v === null) return "null";
if (v.constructor == (new Array).constructor) return "array";
if (v.constructor == (new Date).constructor) return "date";
if (v.constructor == (new RegExp).constructor) return "regex";
return "object";
}
return typeof(v);
}
</script>
Теперь мне нужно использовать следующую функцию в PHP. Я могу получить данные HTML. Все, что мне сейчас нужно, - это преобразовать функцию JavaScript в функцию PHP. Возможно ли это? Мои основные сомнения заключаются в следующем:
Основной входной сигнал для Функция Javascript
toTransform()
является объектом. Можно ли преобразовать HTML в объект с помощью PHP?Все ли функции, присутствующие в этом конкретном JavaScript, доступны в PHP?
Пожалуйста, предложите мне эту идею.
Когда я попытался преобразовать тег скрипта в json в соответствии с данным ответом, я получаю ошибки. Когда я попробовал это на сайте json2html, это выглядело так:.. Как добиться того же решения?
2 answers
Если вы можете получить объект DOMDocument
, представляющий ваш HTML, то вам просто нужно пройти его рекурсивно и построить структуру данных, которую вы хотите.
Преобразование вашего HTML-документа в DOMDocument
должно быть таким же простым, как это:
function html_to_obj($html) {
$dom = new DOMDocument();
$dom->loadHTML($html);
return element_to_obj($dom->documentElement);
}
Затем простой обход $dom->documentElement
, который дает описанную вами структуру, может выглядеть следующим образом:
function element_to_obj($element) {
$obj = array( "tag" => $element->tagName );
foreach ($element->attributes as $attribute) {
$obj[$attribute->name] = $attribute->value;
}
foreach ($element->childNodes as $subElement) {
if ($subElement->nodeType == XML_TEXT_NODE) {
$obj["html"] = $subElement->wholeText;
}
else {
$obj["children"][] = element_to_obj($subElement);
}
}
return $obj;
}
Тест дело
$html = <<<EOF
<!DOCTYPE html>
<html lang="en">
<head>
<title> This is a test </title>
</head>
<body>
<h1> Is this working? </h1>
<ul>
<li> Yes </li>
<li> No </li>
</ul>
</body>
</html>
EOF;
header("Content-Type: text/plain");
echo json_encode(html_to_obj($html), JSON_PRETTY_PRINT);
Выход
{
"tag": "html",
"lang": "en",
"children": [
{
"tag": "head",
"children": [
{
"tag": "title",
"html": " This is a test "
}
]
},
{
"tag": "body",
"html": " \n ",
"children": [
{
"tag": "h1",
"html": " Is this working? "
},
{
"tag": "ul",
"children": [
{
"tag": "li",
"html": " Yes "
},
{
"tag": "li",
"html": " No "
}
],
"html": "\n "
}
]
}
]
}
Ответ на обновленный вопрос
Предложенное выше решение не работает с элементом <script>
, поскольку он анализируется не как DOMText
, а как объект DOMCharacterData
. Это связано с тем, что расширение DOM в PHP основано на libxml2
, который анализирует ваш HTML как HTML 4.0, а в HTML 4.0 содержимое <script>
имеет тип CDATA
, а не #PCDATA
.
У вас есть два решения для этого проблема.
Простым, но не очень надежным решением было бы добавить флаг
LIBXML_NOCDATA
вDOMDocument::loadHTML
. ( Я на самом деле не уверен на 100%, работает ли это для синтаксического анализатора HTML.)Более сложным, но, на мой взгляд, лучшим решением является добавление дополнительного теста, когда вы тестируете
$subElement->nodeType
перед рекурсией. Рекурсивная функция станет:
function element_to_obj($element) {
echo $element->tagName, "\n";
$obj = array( "tag" => $element->tagName );
foreach ($element->attributes as $attribute) {
$obj[$attribute->name] = $attribute->value;
}
foreach ($element->childNodes as $subElement) {
if ($subElement->nodeType == XML_TEXT_NODE) {
$obj["html"] = $subElement->wholeText;
}
elseif ($subElement->nodeType == XML_CDATA_SECTION_NODE) {
$obj["html"] = $subElement->data;
}
else {
$obj["children"][] = element_to_obj($subElement);
}
}
return $obj;
}
Если вы наткнетесь на другую ошибку такого типа, первое, что вам следует сделать это проверка типа узла $subElement
, потому что существует множество других возможностей, с которыми не справилась моя функция короткого примера.
Кроме того, вы заметите, что libxml2
должен исправить ошибки в вашем HTML, чтобы иметь возможность создать для него DOM. Вот почему элементы <html>
и <head>
появятся, даже если вы их не укажете. Вы можете избежать этого, используя флаг LIBXML_HTML_NOIMPLIED
.
Тестовый случай с сценарий
$html = <<<EOF
<script type="text/javascript">
alert('hi');
</script>
EOF;
header("Content-Type: text/plain");
echo json_encode(html_to_obj($html), JSON_PRETTY_PRINT);
Выход
{
"tag": "html",
"children": [
{
"tag": "head",
"children": [
{
"tag": "script",
"type": "text\/javascript",
"html": "\n alert('hi');\n "
}
]
}
]
}
Я предполагаю, что ваша html-строка хранится в переменной $html
. Поэтому вам следует сделать:
$dom = new DOMDocument();
$dom->loadHTML($html);
foreach($dom->getElementsByTagName('*') as $element){
$result[] = ["type" => $element->tagName, "value" => $element->nodeValue];
}
$json = json_encode($result, JSON_UNESCAPED_UNICODE);
Примечание: Этот алгоритм не поддерживает теги "родитель-потомок" и извлекает все теги как родительские и анализирует их все в отсортированной очереди.