如何解决遍历DOM树
| 由于大多数执行HTML清理的PHP库（例如HTML Purifier）都严重依赖于正则表达式，因此我认为尝试编写使用DOMDocument和相关类的HTML清理器将是一个值得尝试的尝试。尽管我还处于初期阶段，但到目前为止该项目显示出了一定的希望。 我的想法围绕着一个类，该类使用DOMDocument遍历提供的标记中的所有节点，将它们与白名单进行比较，并删除白名单中没有的任何内容。 （第一种实现是非常基本的，仅根据节点的类型删除节点，但我希望将来变得更复杂并分析节点的属性，链接是否指向不同域中的项等）。 我的问题是如何遍历DOM树？据我了解，DOM *对象具有childNodes属性，因此我是否需要遍历整个树？另外，早期使用DOMNodeLists进行的实验表明，删除内容的顺序必须非常小心，否则可能会遗留项目或触发异常。 如果有人有使用PHP操纵DOM树的经验，我将很感谢您对此主题的任何反馈。 编辑：我已经为我的HTML清洁类构建了以下方法。它递归地遍历DOM树，并检查找到的元素是否在白名单上。如果不是，则将其删除。 我遇到的问题是，如果删除节点，则DOMNodeList中所有后续节点的索引都会更改。简单地从下到上工作可以避免此问题。当前，它仍然是一种非常基本的方法，但是我认为它显示出了希望。它的工作速度肯定比HTMLPurifier快得多，尽管可以肯定的是Purifier可以做很多事情。/**
* Recursivly remove elements from the DOM that aren\'t whitelisted
* @param DOMNode $elem
* @return array List of elements removed from the DOM
* @throws Exception If removal of a node failed than an exception is thrown
*/
private function cleanNodes (DOMNode $elem)
{
$removed = array ();
if (in_array ($elem -> nodeName,$this -> whiteList))
{
if ($elem -> hasChildNodes ())
{
/*
* Iterate over the element\'s children. The reason we go backwards is because
* going forwards will cause indexes to change when elements get removed
*/
$children = $elem -> childNodes;
$index = $children -> length;
while (--$index >= 0)
{
$removed = array_merge ($removed,$this -> cleanNodes ($children -> item ($index)));
}
}
}
else
{
// The element is not on the whitelist,so remove it
if ($elem -> parentNode -> removeChild ($elem))
{
$removed [] = $elem;
}
else
{
throw new Exception (\'Failed to remove node from DOM\');
}
}
return ($removed);
}
解决方法
首先，您可以看一下此自定义RecursiveDomIterator：
https://github.com/salathe/spl-examples/wiki/RecursiveDOMIterator
码：
class RecursiveDOMIterator implements RecursiveIterator
{
/**
* Current Position in DOMNodeList
* @var Integer
*/
protected $_position;
/**
* The DOMNodeList with all children to iterate over
* @var DOMNodeList
*/
protected $_nodeList;
/**
* @param DOMNode $domNode
* @return void
*/
public function __construct(DOMNode $domNode)
{
$this->_position = 0;
$this->_nodeList = $domNode->childNodes;
}
/**
* Returns the current DOMNode
* @return DOMNode
*/
public function current()
{
return $this->_nodeList->item($this->_position);
}
/**
* Returns an iterator for the current iterator entry
* @return RecursiveDOMIterator
*/
public function getChildren()
{
return new self($this->current());
}
/**
* Returns if an iterator can be created for the current entry.
* @return Boolean
*/
public function hasChildren()
{
return $this->current()->hasChildNodes();
}
/**
* Returns the current position
* @return Integer
*/
public function key()
{
return $this->_position;
}
/**
* Moves the current position to the next element.
* @return void
*/
public function next()
{
$this->_position++;
}
/**
* Rewind the Iterator to the first element
* @return void
*/
public function rewind()
{
$this->_position = 0;
}
/**
* Checks if current position is valid
* @return Boolean
*/
public function valid()
{
return $this->_position < $this->_nodeList->length;
}
}
RecursiveIteratorIterator
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。