clean string

fakerer · 07.09.2016

Hallo,

ich bekomme einen string den ich gerne von allen html und nicht utf8 Zeichen befreien würde.
allerdings gestaltet sich das etwas schwieriger als ich dachte, und mir gehen die Ideen aus.

Hier ein screen der Ausgabe (Browser und Konsole).

meine bisheriger ansatz

PHP:

$clean = function ($string) {
            var_dump($string);
            $string = preg_replace('/[^\\x19-\\xFFFF]/', '', $string);
            var_dump($string);
            $string = html_entity_decode($string);
            var_dump($string);
            $string = str_replace("&nbsp;", ' ', $string);
            var_dump($string);
            $string = strip_tags($string);
            var_dump($string);
            echo '<hr>';
            return $string;
        };

leider wird anscheinen alles ignoriert, und das obwohl die var_dump immer sagt das es sich um strings handelt.

Danke

owieortho · 07.09.2016

PHP:

function clean($string) {...

So funktioniert's
O.

fakerer · 07.09.2016

das mit der Funktion passt schon es kommt ja auch was raus, das ist eine "closures function", das Problem ist das strip_tags zb nichts macht und die <font> tags drinn lässt oder auch die &nbsp nicht verschwinden aus dem string.

owieortho · 07.09.2016

Code:

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
    "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">

<html>
<head>
    <title>Clean HTML</title>
<meta http-equiv="Content-Type" content="text/html;charset=ISO-8859-1">
</head>

<body>
<h1>Clean HTML</h1>
<?php
function clean($string) {
            var_dump($string);
            $string = preg_replace('/[^\\x19-\\xFFFF]/', '', $string);
            var_dump($string);
            $string = html_entity_decode($string);
            var_dump($string);
            $string = str_replace("&nbsp;", ' ', $string);
            var_dump($string);
            $string = strip_tags($string);
            var_dump($string);
            echo '<hr>';
};
$string = "<p><font face=\"Arial\">Dies ist ein <strong>&Auml;bsatz</strong> mit&nbsp;einem<br /><em>Zeilen&uuml;mbruch</em>.</font></p>";
echo $string . "<br /><hr />";

clean($string);
?>
</body>
</html>

Mit dieser Datei werden non-breaking spaces entfernt, tags ebenfalls und entities werden decodiert, also eigentlich alles so, wie Du es wünscht. PN mit Link kommt parallel.
Ich tippe erst mal auf Schreibfehler in der Originaldatei...
O.

msa1989 · 12.09.2016

Nicht selbst machen, andere machen lassen:

https://packagist.org/packages/html2text/html2text

Das ist eine Bibliothek die du entweder mit Composer installieren kannst oder einfach runterladen und direkt ausprobieren kannst. Auf der Seite ist ein Beispiel:

PHP:

$html = new \Html2Text\Html2Text('Hello, &quot;<b>world</b>&quot;');
echo $html->getText();    // Hello, "WORLD"