htmlタグが複数の行にまたがっているかどうかを調べるには

私はWebページのスクラップを含むPHPスクリプトを作成しています。現在、このスクリプトは、ラインによるページの行を分析しますが、複数行にまたがるタグはhtmlタグが複数の行にまたがっているかどうかを調べるには

<img src="example.jpg" 
alt="example">

のように、存在する場合より悪いが、私はすべての改行を削除することでページを前処理おそらく、さらに悪化する可能性が来ればそれが壊れ、最も近い>にそれらを再挿入するが、これはkludgeのように思える。

理想的には、行間にまたがるタグだけを検出し、行間に結合して処理を続けることができます。
これを検出する最も良い方法は何ですか？

出典

2008-08-29 Factor Mystic

おそらく将来のプロジェクトでは、解析ライブラリを使用しますが、それは手元の質問とは別のものです。これは私の現在の解決策です。 rstrposはstrposですが、逆方向です。使用例：

for($i=0; $i<count($lines); $i++) 
{ 
    $line = handle_mulitline_tags(&$i, $line, $lines); 
}

そして、ここではその実装です：

function rstrpos($string, $charToFind, $relativePos) 
{ 
    $searchPos = $relativePos; 
    $searchChar = ''; 

    while (($searchChar != $charToFind)&&($searchPos>-1)) 
    { 
     $newPos = $searchPos-1; 
     $searchChar = substr($string,$newPos,strlen($charToFind)); 
     $searchPos = $newPos; 
    } 

    if (!empty($searchChar)) 
    { 
     return $searchPos; 
     return TRUE; 
    } 
    else 
    { 
     return FALSE; 
    } 
} 

function handle_multiline_tags(&$i, $line, $lines) 
{ 
    //if a tag is opened but not closed before a line break, 

    $open = rstrpos($line, '<', strlen($line)); 
    $close = rstrpos($line, '>', strlen($line)); 
    if(($open > $close)&&($open > -1)&&($close > -1)) 
    { 
     $i++; 
     return trim($line).trim(handle_multiline_tags(&$i, $lines[$i], $lines)); 
    } 
    else 
    { 
     return trim($line); 
    } 
}

これはおそらく、いくつかの方法で最適化することができますが、私の目的のために、それは十分です。

出典

2008-08-29 16:20:57