小白提问,怎么将富文本编辑器内的纯文本内容提取出来,然后再替换回去

2022-01-17 15:44:57 +08:00
 cwj14
<p style="white-space: normal;"><strong>云平台及 ZStack Ceph 分布式存储版本影响:</strong></p><table><tbody><tr class="firstRow"><td width="260" valign="top" style="word-break: break-all;"><strong>产品名称</strong><br/></td><td width="260" valign="top" style="word-break: break-all;"><strong>具体影响版本</strong><br/></td><td width="260" valign="top" style="word-break: break-all;"><strong>漏洞修复版本</strong><br/></td><td width="260" valign="top" style="word-break: break-all;"><strong>支持升级云平台操作系统版本</strong><br/></td></tr><tr><td width="260" valign="top" style="word-break: break-all;">ZStack Cloud 3.x<br/></td><td width="260" valign="top" style="word-break: break-all;">1.0 ~ 3.10.20 版本<br/></td><td width="260" valign="top" style="word-break: break-all;">升级至 3.10.24 版本<br/></td><td rowspan="2" colspan="1" width="260" valign="top" style="word-break: break-all;">Centos7.4 、Centos7.6<br/></td></tr><tr><td width="260" valign="top" style="word-break: break-all;">ZStack Cloud 4.2.x<br/></td><td width="260" valign="top" style="word-break: break-all;">4.0.0 ~ 4.2.10 版本<br/></td><td width="260" valign="top" style="word-break: break-all;">升级至 4.2.16 版本<br/></td></tr><tr><td width="260" valign="top" style="word-break: break-all;">ZStack Ceph 分布式存储<br/></td><td width="260" valign="top" style="word-break: break-all;">涵盖当前所有版本<br/></td><td width="260" valign="top" style="word-break: break-all;">手动关闭存储 Elasticsearch<br/></td><td width="260" valign="top"><br/></td></tr></tbody></table><p style="white-space: normal;">注意:Centos7.2 操作系统部署的云平台环境不支持直接升级云平台至最新版本,请联系 ZStack 官方技术支持协助处理 Apache Log4j2 漏洞问题。</p><p><br/></p>
2309 次点击
所在节点    程序员
16 条回复
cwj14
2022-01-17 15:46:31 +08:00
需求点是这样的,公司需要我用代码做翻译,对接了百度的 api ,我想把符文边编辑器里面的纯文本文字提取出来,翻译好了,再替换回去,PHP 语言,求求各位大佬教教我,替换回去需要保持原有的样式不变
qwertyzzz
2022-01-17 15:51:01 +08:00
好像有个 htmlspecial_decode?
shapl
2022-01-17 15:53:38 +08:00
提取出来很容易。。原封不动替换回去,有难度。
2i2Re2PLMaDnghL
2022-01-17 15:54:12 +08:00
正常解析 html ,文本节点投入翻译 API 替换
jslang
2022-01-17 15:54:29 +08:00
正则 HTML 替换
textVar.replace(/>([^<]+)</g, ($, text) => {console.log(text);'--------'+text+'-----------'})
cwj14
2022-01-17 15:55:53 +08:00
@shapl 我在想提取出来之后,作为数组的一个键,翻译好的作为值,然后在整个文本中替换回去
ctro15547
2022-01-17 15:57:30 +08:00
用 re 写个脚本?
ctro15547
2022-01-17 15:58:28 +08:00
BS4 应该也可以获取到 txt
cwj14
2022-01-17 16:00:06 +08:00
@jslang 老哥有没有 php 版本的,这个是可以的,但是是 js 的
imicksoft
2022-01-17 16:01:28 +08:00
按 html 或 xml 解析,判断 nodeType 是 Text 的节点,把文本内容翻译后再改回去
jslang
2022-01-17 16:11:38 +08:00
用这个试试呢,我没有 PHP 环境
preg_split(">([^<]+)<", textVar)
取奇数位索引,翻译好后,合并加上对应的"<"和">"
jslang
2022-01-17 16:29:04 +08:00
在线模拟了一下,应该可以了
```
$textVar = '......';

$arr = [];
preg_match_all("/>([^<]+)</", $textVar, $arr);
var_dump($arr[1]);

print_r(preg_split("/>([^<]+)</", $textVar));
```
cwj14
2022-01-17 17:14:25 +08:00
@jslang 真的谢谢大佬,小弟万分感谢
Rache1
2022-01-17 18:14:41 +08:00
Packagist
https://packagist.org/?query=html%20parser

找个合适的 parser 然后遍历节点,就好了
chengxiao
2022-01-17 23:27:34 +08:00
你需要学一下 xpath ,然后就是遍历调接口就行了
RickyC
2022-01-18 13:16:25 +08:00
```
function text_from_html($html)
{
// Remove the HTML tags
$html = strip_tags($html);

// Convert HTML entities to single characters
$html = html_entity_decode($html, ENT_QUOTES, 'UTF-8');
$html_len = mb_strlen($html, 'UTF-8');

// Make the string the desired number of characters
// Note that substr is not good as it counts by bytes and not characters
$html = mb_substr($html, 0, strlen($html), 'UTF-8');

return $html;
}

$content = htmlentities(text_from_html($content));
```
-----
提取出来可以试试这个。再放回去太难了。

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/828784

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX