用DOM解析HTML時保留文件偏移量？

Question

我想修改<img src="">屬性中不太格式錯誤的HTML（WordPress帖子）。我知道我可以採取簡單的方式並使用正則表達式，但我恐怕people in blue furry suits will come haunt me in my sleep。

如果我使用DOM解析器讀取HTML並修改<img>標籤，恐怕我無法完全重構帖子（因爲只有我的修改），因爲DOM解析器可能也會這樣做很多清理工作，並可能刪除重要數據。 SAX解析器可能無法處理無效的XML，所以這也不起作用。因此，有沒有一種中間的方式，我可以使用DOM解析器，但是知道每個元素的起始位置，所以我可以從那裏做字符串替換或類似的東西？我知道源文檔中不存在DOM樹中的某些節點（<b>Some <i>bizarre</b> formatting</i>可能會觸發此操作），但這是否意味着它始終不可能？我看到在PHP 5.3中添加了DOMNode::getLineNo() function，但我使用的是5.2.x.

Answer 1

如果PHP的DOM會寫出「太乾淨」的結果，你可能嘗試基於字符串SimpleHTMLDOM是否更寬鬆。

但是，隨着格式的變化，我將永遠不會完全相信解析器做到「正確」。但試試看，也許它只是跳過這樣的東西。

DOM庫的DOMNode類有getLineNo()方法。我不完全看到這是如何工作的，因爲它沒有提供抵消它。不知道這是否會幫助你的用例。