問題タブ [tidy]

私は PHP と libtidy を使用して、歴史上最も恐ろしく不正な形式の HTML テーブルの使用法をスクリーニングしようとしています。このサイトは、いくつかの table、tr、td、font、または bold タグを閉じており、テーブル内にテーブルの多くの異なるレイヤーを一貫してネストしています。

スニペットの例:

魔法のように、すべてのブラウザーがこれを問題なくレンダリングするようです。PHPTidy はすべてをうまく処理していますが、テーブルは非常に深く、ほぼランダムにネストされているため、DOM XPath を使用してこれをトラバースするのは非常に困難です。

これを行うための他のアプローチについて、誰かに推奨事項はありますか?

POST-MORTEM : あまりにも多くのベルギー産の小麦ビールを飲みすぎてコードを汚した後、table、tr、および td を除くすべてのタグを strip_tags() で削除し、libtidy で実行することで素晴らしい結果が得られました。美しくフォーマットされ、非常に簡単に横断できるようになりました。パーサーに送信する前に、少しマッサージが必要だったようです。

stdin で html 文字列を受け取り、DOM を表す整形式の xml 文字列を吐き出すバイナリを作成しようとしています。基本的に「整頓」されていますが、FireFox を使用しています。

FF ソース コードにフックする必要があるアイデアはありますか?

現在、軽量 IDE として Vim を使用しています。NERDTree、bufexplorer、supertab、および ctags プラグインがあり、必要なほとんどすべてを実行できます。私にとって欠けている唯一の大きなものは、コードの自動フォーマットです。

インデントとコードの書式設定に一貫性がない厄介な PHP コードを使用しています。理想的には、書式設定するコードを強調表示し (ファイル全体でも問題ありません)、コマンドを実行して整理することができます。

Vimでこれを行うための良い解決策はありますか?

utidyの結果を Beautiful Soup に渡したいと思います。

実行すると、次のエラーが発生します。

BeautifulSoup が文字列を要求しているのに対し、utildy は XML ドキュメントを返します。clean_html をキャストする方法はありますか? それとも、私はそれを間違っているので、別のアプローチを取る必要がありますか?

php と html を含むファイルをクリーンアップする優れたツールを知っている人はいますか? 以前 Tidy を使用したことがありますが、php コードをそのままにしておくとうまくいきません。tidy にはさまざまな実装があることは知っていますが、特に html と php を含むページのチャンピオンを支配するツールはありますか?

私はTidyを使用して、HTMLファイルをクリーンアップしてHTML/XHTMLに準拠させています。ただし、出力には次のような非標準の属性値が含まれます。

また

（一重引用符を見てください）。厳密なXHTML出力を提供するようにTidyを構成するにはどうすればよいですか？前もって感謝します！

私はBeyondCompare3.0を使用しており、XMLtidyとソートされた属性プラグインで整理されたXMLを使用しています。それは素晴らしいことであり、「整理された」XMLを表示したいのですが、マージを解決したら、元の形式（整理された形式ではない）で保存し直したいと思います。とにかくこれを行う方法はありますか？

たとえば、これら2つのXMLスニペットがある場合-

それらが整理され、属性がソートされていることを視覚的に確認したいので、変更/解決を行うことができます。たとえば、attribの値を5に変更して残りを保持することを決心した場合、ファイルを保存するときに、これを確認したい...

比較を超えて、ファイルを2番目の形式（整理された）で保存しているようです。

これを修正するにはどうすればよいですか？

よろしく...

JTidyを使用して、サックス処理用のHTMLをクリーンアップしています。この例に示すように、間隔の問題に関して多くの問題が発生しました。

HTML

「stackoverflow」を出力します

だが...

JTidyを投稿する

「スタックオーバーフロー」を出力します（新しいスペースに注意してください）

誰もがこれをより良く修正/処理するためのアドバイスがあります。私はすべてのTidy/JTidy設定を確認しましたが、この問題を説明するものは何もありません。