PHP에서 세미콜론없이 HTML 엔터티 디코드

Question

HTML의 현대 방언과 올바른 규칙은 HTML 엔터티 (&likethat;)의 세미콜론을 생략 할 수 없습니다. 하지만 임의의 페이지를 구문 분석하고 세미콜론없이 나쁜 HTML 엔터티를 처리해야하는 작업이 있습니다. 그리고 이것은 브라우저에 의해 완벽하게 표현됩니다. PHP로 세미콜론없이 각각의 UTF-8에 HTML 엔터티를 디코딩 할 수 있습니까?

Answer 1

당신은 모든 HTML 엔티티의 목록을 자신의 UTF-8 표현으로 세미콜론없이 모두 교체 할 경우에 사용할 수 있습니다

// get all HTML entities 
$mapping = get_html_translation_table(HTML_ENTITIES, ENT_QUOTES | ENT_HTML5, 'UTF-8'); 

// change array values representing the entities to regex pattern with negativ lookahead for semicolon 
array_walk($mapping, function(&$value) { $value = '/'.rtrim($value, ';').'(?!;)/'; }); 

// replace all entities without semicolon by their utf8 representation 
$html = preg_replace(array_values($mapping), array_keys($mapping), $html); 

Answer 2

내 생각 엔 DOMDocument::loadHTML을 사용하여 문서를로드하고 DOMDocument::saveHTML을 사용하여 문서를 저장해보십시오.

libxml constants을 사용하여 추가 옵션을 지정할 수 있습니다.