Oczyszczanie kodu HTML za pomocą PHP w celu utworzenia czystego łańcucha

Question

Mam kilka danych HTML, które piszę do pliku PDF przy użyciu PHP. W pliku PDF chcę, aby cały HTML był usuwany i czyszczony. Tak na przykład:

<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> 

powinien stać:

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

Jednakże, jeśli po prostu użyć strip_tags(), mam coś takiego:

First list item
 

    Second list item which is quite a bit 
longer
 

    List item with apostrophe ’s ’s 

pamiętać również wcięcia wyjściu.

Jakieś wskazówki, jak poprawnie oczyścić HTML na ładne, czyste ciągi bez bałagania i dziwnych znaków?

Dzięki :)

Answer 1

można dekodować wynik strip_tags użyciu html_entity_decode lub usunąć je za pomocą preg_replace:

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

i usunięcie spacji z początku twojej linie używać ltrim:

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

zamiast tego używać apostrofów:

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

Answer 2

użytku PHP Tidy biblioteki do czyszczenia kodu HTML. Ale w twoim przypadku użyłbym klasy DOMDocument, aby uzyskać dane z html.

Answer 3

Znaki wydają się być obiektami html. Spróbuj:

html_entity_decode(strip_tags($my_html_code));