парсинг вложенных тегов

[young]

парсинг вложенных тегов

Есть тест, содержащий как сложенные так и послеловательные парные теги, например:

<mytag>
some text
<mytag>
<mytag>
</mytag>
</mytag>
<mytag>
</mytag>
</mytag>

some text

<mytag>
</mytag>

Требуется удалить всю вложенность этих тегов, т.е. приведенный выше пример должен выглядеть так:

<mytag>
some text
</mytag>

some text

<mytag>
<mytag>

 

[slach]

запускаешь обычный SAX Expat парсер
http://php.net/manual/en/ref.xml.php

см. xml_parse

и там отлавливаешь события и выставляешь флаг
типа current_state со следующими значениями:
_начало_тега_
_содержимое_ (выставляется только тогда когда обрезанные от лишних символов CDATA данные не будут пустыми)
_конец_тега_

если _конец_тега_ следует СРАЗУ ПОСЛЕ _начало_тега_,
тогда тег в РЕЗУЛЬТИРУЮЩИЙ документ не пишется...

 

[HEm]

или подумай над регулярным....

 

[young]

см. xml_parse

Видишь ли, мне надо вырезать только сами теги, но содержимое оставить.

XML я использовать не хочу, он требует специфической настройки PHP и как он отреагирует на некоректную вложенность?

 

[young]

или подумай над регулярным....

Не поверишь. Два дня думал

 

[Crazy]

Автор оригинала: young
как он отреагирует на некоректную вложенность?

А твой алгоритм как должен на это реагировать?

 

[young]

Он может проглючить но отработать:

Скажем такое

<mytag>text<mytag>
</mytag>
преобразовать к

<mytag>
text
</mytag>
<mytag>

либо
<mytag>
text

мне неважно каков будет результат их этиъ двух. Но хоть как-то он должен отреагировать.

 

[Crazy]

Автор оригинала: young
Он может проглючить но отработать:

Вот xml-парсер тоже отработает, выдав пустой результат.

Итак, ПРЕДПОЛОЖИМ, что ты осознаешь алгоритм обработки неверной вложенности тэгов.

1. используя следующий код проводишь лексический аналог своего текста. В результате получаешь список элементов, которыми будет тэги и тексты:

preg_match_all("/<[^>]+>|[^<>]+/",$text,$matched);

2. Парсишь набор лексем, используя стэковый автомат.

В пункте (2) и потребуется понимание, о котором я спрашивал.

 

[shingrus]

Автор оригинала: HEm
или подумай над регулярным....

насчёт вложенных тегов ну-ну, советчик...
хотелось бы посмотреть на регу, которая корректно отработает несколько веток <ul>

 

[young]

Проблема решена - написан парсер, ручками, по циклу

 

[HEm]

Автор оригинала: shingrus
насчёт вложенных тегов ну-ну, советчик...
хотелось бы посмотреть на регу, которая корректно отработает несколько веток <ul>

в цикле убираются пустые пары тегов <sometag></sometag>, повторов 10 вполне хватит имхо
а лучше конечно посмотреть на код который генерит такую фигню и поправить его....

 

[camel]

зачем писать парсер не понимаю....
тебе скорее подойдет XSLT, преобразование XML это по его части

 

[Crazy]

Автор оригинала: HEm
в цикле убираются пустые пары тегов <sometag></sometag>,

Ты невнимательно читал пример исходного текста. Там проблема не в пустых парных тэгах.

 

[Crazy]

Автор оригинала: camel
тебе скорее подойдет XSLT, преобразование XML это по его части

Ты уже познал дао использования XSLT для обработки невалидного XML-документа? Перечитай четвертое письмо треда.

 

[young]

Автор оригинала: Crazy
Ты уже познал дао использования XSLT для обработки невалидного XML-документа? Перечитай четвертое письмо треда.

Если это было ео мне, то нет.

А в прикол?

 

[Crazy]

Автор оригинала: young
Если это было ео мне, то нет.

там сказано, кому.

 

[Фокся]

Re: парсинг вложенных тегов

Автор оригинала: young
Есть тест, содержащий как сложенные так и послеловательные парные теги, например:

<mytag>
some text
<mytag>
<mytag>
</mytag>
</mytag>
<mytag>
</mytag>
</mytag>

some text

<mytag>
</mytag>

Требуется удалить всю вложенность этих тегов, т.е. приведенный выше пример должен выглядеть так:

<mytag>
some text
</mytag>

some text

<mytag>
<mytag>

можно вот так к примеру
$tst_str='<mytag>
some text
<mytag>
<mytag>
</mytag>
</mytag>
<mytag>

</mytag></mytag>some text<mytag></mytag>';

$tst_str=preg_replace("/(\r\n)|\r|\n/", '', $tst_str);
preg_match_all("/<([^>]+)>/",$tst_str,$matched);
$match=array_unique($matched[1]);
foreach($match as $v)
{
$pattern="/(<$v><$v>)|(<\/$v><$v>)|(<$v><\/$v>)|(<\/$v><\/$v>)/i";
$tst_str1=@preg_replace($pattern, '', $tst_str);
if($tst_str1)
$tst_str=$tst_str1;
}
echo $tst_str;

 

[young]

Все не так просто

а проблему решил уже давно

всем спасибо

 

[R`oo`T]

Решением можешь поделиться?

 

[Фокся]

надо добавить еще один цикл