स्वच्छ स्ट्रिंग बनाने के लिए PHP के साथ क्लीनअप एचटीएमएल

Question

मुझे HTML डेटा का एक गुच्छा मिला है जिसे मैं PHP का उपयोग करके पीडीएफ फ़ाइल में लिख रहा हूं। पीडीएफ में, मैं चाहता हूं कि सभी एचटीएमएल को छीन लिया जाए और साफ़ किया जाए। तो उदाहरण के लिए:

<ul> 
    <li>First list item</li> 
    <li>Second list item which is quite a bit longer</li> 
    <li>List item with apostrophe 's 's</li> 
</ul> 

बन चाहिए:

First list item 
Second list item which is quite a bit longer 
List item with apostrophe 's 's 

हालांकि, अगर मैं बस strip_tags() उपयोग करते हैं, मैं कुछ इस तरह मिलती है:

First list item
 

    Second list item which is quite a bit 
longer
 

    List item with apostrophe ’s ’s 

इसके अलावा उत्पादन का खरोज ध्यान दें।

एचटीएमएल को अच्छी तरह से साफ करने के तरीके के बारे में कोई सुझाव, गंदे सफेद जगहों और अजीब पात्रों के बिना साफ, साफ तारों को कैसे साफ करें?

धन्यवाद :)

Answer 1

आप html_entity_decode का उपयोग कर strip_tags का परिणाम डिकोड या preg_replace का उपयोग कर उन्हें निकाल सकते हैं:

$text = strip_tags($html_text); 
$content = preg_replace("/&#?[a-z0-9]{2,8};/i","",$text); 

और शुरू से सफेद रिक्त स्थान को दूर करने के अपने लाइनों ltrim का उपयोग करें:

$content = join("\n", array_map("ltrim", explode("\n", $content))); 

एस्ट्रोफ़ेस को इसके बजाय उपयोग करने के लिए:

$text = strip_tags($html_text); 
$text = str_replace("’","'", $text); 
$content = preg_replace("/&#?[a-z0-9]{2,8};/i","",$text); 

Answer 2

उपयोग PHP Tidy पुस्तकालय अपने html साफ करने के लिए। लेकिन आपके मामले में मैं HTML से डेटा प्राप्त करने के लिए DOMDocument कक्षा का उपयोग करूंगा।

Answer 3

वर्ण एचटीएमएल इकाइयां प्रतीत होते हैं। प्रयास करें:

html_entity_decode(strip_tags($my_html_code));