mirror of
https://github.com/Lastorder-DC/rhymix.git
synced 2026-05-11 21:12:15 +09:00
Remove outdated PHP HTML Parser library
This commit is contained in:
Kijin Sung
parent
a1e8d14b0d
commit
5d5fe818f1
3 changed files with 0 additions and 627 deletions
|
|
@ -1,48 +0,0 @@
|
||||||
/* ====================================================================
|
|
||||||
* Based on The Apache Software License, Version 1.1
|
|
||||||
*
|
|
||||||
* Copyright (c) 2003 Jose Solorzano. All rights reserved.
|
|
||||||
*
|
|
||||||
* Redistribution and use in source and binary forms, with or without
|
|
||||||
* modification, are permitted provided that the following conditions
|
|
||||||
* are met:
|
|
||||||
*
|
|
||||||
* 1. Redistributions of source code must retain the above copyright
|
|
||||||
* notice, this list of conditions and the following disclaimer.
|
|
||||||
*
|
|
||||||
* 2. Redistributions in binary form must reproduce the above copyright
|
|
||||||
* notice, this list of conditions and the following disclaimer in
|
|
||||||
* the documentation and/or other materials provided with the
|
|
||||||
* distribution.
|
|
||||||
*
|
|
||||||
* 3. The end-user documentation included with the redistribution,
|
|
||||||
* if any, must include the following acknowledgment:
|
|
||||||
* "This product includes software developed by
|
|
||||||
* Jose Solorzano."
|
|
||||||
* Alternately, this acknowledgment may appear in the software itself,
|
|
||||||
* if and wherever such third-party acknowledgments normally appear.
|
|
||||||
*
|
|
||||||
* 4. The name "Jose Solorzano" must not be used to endorse or promote
|
|
||||||
* products derived from this software without prior written
|
|
||||||
* permission.
|
|
||||||
*
|
|
||||||
* 5. Products derived from this software may not be called "Jose Solorzano",
|
|
||||||
* nor may "Jose Solorzano" appear in their name, without prior written
|
|
||||||
* permission.
|
|
||||||
*
|
|
||||||
* THIS SOFTWARE IS PROVIDED ``AS IS'' AND ANY EXPRESSED OR IMPLIED
|
|
||||||
* WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIES
|
|
||||||
* OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE
|
|
||||||
* DISCLAIMED. IN NO EVENT SHALL STARNETSYS, LLC. OR
|
|
||||||
* ITS CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL,
|
|
||||||
* SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT
|
|
||||||
* LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF
|
|
||||||
* USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND
|
|
||||||
* ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY,
|
|
||||||
* OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT
|
|
||||||
* OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
|
|
||||||
* SUCH DAMAGE.
|
|
||||||
* ====================================================================
|
|
||||||
*
|
|
||||||
*/
|
|
||||||
|
|
||||||
|
|
@ -1,214 +0,0 @@
|
||||||
<?
|
|
||||||
|
|
||||||
/*
|
|
||||||
* Copyright (c) 2003 Jose Solorzano. All rights reserved.
|
|
||||||
* Redistribution of source must retain this copyright notice.
|
|
||||||
*/
|
|
||||||
|
|
||||||
include ("htmlparser.inc");
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Class Html2Text. (HtmlParser example.)
|
|
||||||
* Converts HTML to ASCII attempting to preserve
|
|
||||||
* document structure.
|
|
||||||
* To use, create an instance of Html2Text passing
|
|
||||||
* the text to convert and the desired maximum
|
|
||||||
* number of characters per line. Then invoke
|
|
||||||
* convert() which returns ASCII text.
|
|
||||||
*/
|
|
||||||
class Html2Text {
|
|
||||||
|
|
||||||
// Private fields
|
|
||||||
|
|
||||||
var $iCurrentLine = "";
|
|
||||||
var $iCurrentWord = "";
|
|
||||||
var $iCurrentWordArray;
|
|
||||||
var $iCurrentWordIndex;
|
|
||||||
var $iInScript;
|
|
||||||
var $iListLevel = 0;
|
|
||||||
var $iHtmlText;
|
|
||||||
var $iMaxColumns;
|
|
||||||
var $iHtmlParser;
|
|
||||||
|
|
||||||
// Constants
|
|
||||||
|
|
||||||
var $TOKEN_BR = 0;
|
|
||||||
var $TOKEN_P = 1;
|
|
||||||
var $TOKEN_LI = 2;
|
|
||||||
var $TOKEN_AFTERLI = 3;
|
|
||||||
var $TOKEN_UL = 4;
|
|
||||||
var $TOKEN_ENDUL = 5;
|
|
||||||
|
|
||||||
function Html2Text ($aHtmlText, $aMaxColumns) {
|
|
||||||
$this->iHtmlText = $aHtmlText;
|
|
||||||
$this->iMaxColumns = $aMaxColumns;
|
|
||||||
}
|
|
||||||
|
|
||||||
function convert() {
|
|
||||||
$this->iHtmlParser = new HtmlParser($this->iHtmlText);
|
|
||||||
$wholeText = "";
|
|
||||||
while (($line = $this->getLine()) !== false) {
|
|
||||||
$wholeText .= ($line . "\r\n");
|
|
||||||
}
|
|
||||||
return $wholeText;
|
|
||||||
}
|
|
||||||
|
|
||||||
function getLine() {
|
|
||||||
while (true) {
|
|
||||||
if (!$this->addWordToLine($this->iCurrentWord)) {
|
|
||||||
$retvalue = $this->iCurrentLine;
|
|
||||||
$this->iCurrentLine = "";
|
|
||||||
return $retvalue;
|
|
||||||
}
|
|
||||||
$word = $this->getWord();
|
|
||||||
if ($word === false) {
|
|
||||||
if ($this->iCurrentLine == "") {
|
|
||||||
break;
|
|
||||||
}
|
|
||||||
$retvalue = $this->iCurrentLine;
|
|
||||||
$this->iCurrentLine = "";
|
|
||||||
$this->iInText = false;
|
|
||||||
$this->iCurrentWord = "";
|
|
||||||
return $retvalue;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
|
|
||||||
function addWordToLine ($word) {
|
|
||||||
if ($this->iInScript) {
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
$prevLine = $this->iCurrentLine;
|
|
||||||
if ($word === $this->TOKEN_BR) {
|
|
||||||
$this->iCurrentWord = "";
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
if ($word === $this->TOKEN_P) {
|
|
||||||
$this->iCurrentWord = $this->TOKEN_BR;
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
if ($word === $this->TOKEN_UL) {
|
|
||||||
$this->iCurrentWord = $this->TOKEN_BR;
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
if ($word === $this->TOKEN_ENDUL) {
|
|
||||||
$this->iCurrentWord = $this->TOKEN_BR;
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
if ($word === $this->TOKEN_LI) {
|
|
||||||
$this->iCurrentWord = $this->TOKEN_AFTERLI;
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
$toAdd = $word;
|
|
||||||
if ($word === $this->TOKEN_AFTERLI) {
|
|
||||||
$toAdd = "";
|
|
||||||
}
|
|
||||||
if ($prevLine != "") {
|
|
||||||
$prevLine .= " ";
|
|
||||||
}
|
|
||||||
else {
|
|
||||||
$prevLine = $this->getIndentation($word === $this->TOKEN_AFTERLI);
|
|
||||||
}
|
|
||||||
$candidateLine = $prevLine . $toAdd;
|
|
||||||
if (strlen ($candidateLine) > $this->iMaxColumns && $prevLine != "") {
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
$this->iCurrentLine = $candidateLine;
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
|
|
||||||
function getWord() {
|
|
||||||
while (true) {
|
|
||||||
if ($this->iHtmlParser->iNodeType == NODE_TYPE_TEXT) {
|
|
||||||
if (!$this->iInText) {
|
|
||||||
$words = $this->splitWords($this->iHtmlParser->iNodeValue);
|
|
||||||
$this->iCurrentWordArray = $words;
|
|
||||||
$this->iCurrentWordIndex = 0;
|
|
||||||
$this->iInText = true;
|
|
||||||
}
|
|
||||||
if ($this->iCurrentWordIndex < count($this->iCurrentWordArray)) {
|
|
||||||
$this->iCurrentWord = $this->iCurrentWordArray[$this->iCurrentWordIndex++];
|
|
||||||
return $this->iCurrentWord;
|
|
||||||
}
|
|
||||||
else {
|
|
||||||
$this->iInText = false;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
else if ($this->iHtmlParser->iNodeType == NODE_TYPE_ELEMENT) {
|
|
||||||
if (strcasecmp ($this->iHtmlParser->iNodeName, "br") == 0) {
|
|
||||||
$this->iHtmlParser->parse();
|
|
||||||
$this->iCurrentWord = $this->TOKEN_BR;
|
|
||||||
return $this->iCurrentWord;
|
|
||||||
}
|
|
||||||
else if (strcasecmp ($this->iHtmlParser->iNodeName, "p") == 0) {
|
|
||||||
$this->iHtmlParser->parse();
|
|
||||||
$this->iCurrentWord = $this->TOKEN_P;
|
|
||||||
return $this->iCurrentWord;
|
|
||||||
}
|
|
||||||
else if (strcasecmp ($this->iHtmlParser->iNodeName, "script") == 0) {
|
|
||||||
$this->iHtmlParser->parse();
|
|
||||||
$this->iCurrentWord = "";
|
|
||||||
$this->iInScript = true;
|
|
||||||
return $this->iCurrentWord;
|
|
||||||
}
|
|
||||||
else if (strcasecmp ($this->iHtmlParser->iNodeName, "ul") == 0 || strcasecmp ($this->iHtmlParser->iNodeName, "ol") == 0) {
|
|
||||||
$this->iHtmlParser->parse();
|
|
||||||
$this->iCurrentWord = $this->TOKEN_UL;
|
|
||||||
$this->iListLevel++;
|
|
||||||
return $this->iCurrentWord;
|
|
||||||
}
|
|
||||||
else if (strcasecmp ($this->iHtmlParser->iNodeName, "li") == 0) {
|
|
||||||
$this->iHtmlParser->parse();
|
|
||||||
$this->iCurrentWord = $this->TOKEN_LI;
|
|
||||||
return $this->iCurrentWord;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
else if ($this->iHtmlParser->iNodeType == NODE_TYPE_ENDELEMENT) {
|
|
||||||
if (strcasecmp ($this->iHtmlParser->iNodeName, "script") == 0) {
|
|
||||||
$this->iHtmlParser->parse();
|
|
||||||
$this->iCurrentWord = "";
|
|
||||||
$this->iInScript = false;
|
|
||||||
return $this->iCurrentWord;
|
|
||||||
}
|
|
||||||
else if (strcasecmp ($this->iHtmlParser->iNodeName, "ul") == 0 || strcasecmp ($this->iHtmlParser->iNodeName, "ol") == 0) {
|
|
||||||
$this->iHtmlParser->parse();
|
|
||||||
$this->iCurrentWord = $this->TOKEN_ENDUL;
|
|
||||||
if ($this->iListLevel > 0) {
|
|
||||||
$this->iListLevel--;
|
|
||||||
}
|
|
||||||
return $this->iCurrentWord;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
if (!$this->iHtmlParser->parse()) {
|
|
||||||
break;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
|
|
||||||
function splitWords ($text) {
|
|
||||||
$words = split ("[ \t\r\n]+", $text);
|
|
||||||
for ($idx = 0; $idx < count($words); $idx++) {
|
|
||||||
$words[$idx] = $this->htmlDecode($words[$idx]);
|
|
||||||
}
|
|
||||||
return $words;
|
|
||||||
}
|
|
||||||
|
|
||||||
function htmlDecode ($text) {
|
|
||||||
// TBD
|
|
||||||
return $text;
|
|
||||||
}
|
|
||||||
|
|
||||||
function getIndentation ($hasLI) {
|
|
||||||
$indent = "";
|
|
||||||
$idx = 0;
|
|
||||||
for ($idx = 0; $idx < ($this->iListLevel - 1); $idx++) {
|
|
||||||
$indent .= " ";
|
|
||||||
}
|
|
||||||
if ($this->iListLevel > 0) {
|
|
||||||
$indent = $hasLI ? ($indent . "- ") : ($indent . " ");
|
|
||||||
}
|
|
||||||
return $indent;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
@ -1,365 +0,0 @@
|
||||||
<?php
|
|
||||||
|
|
||||||
/*
|
|
||||||
* Copyright (c) 2003 Jose Solorzano. All rights reserved.
|
|
||||||
* Redistribution of source must retain this copyright notice.
|
|
||||||
*
|
|
||||||
* Jose Solorzano (http://jexpert.us) is a software consultant.
|
|
||||||
*
|
|
||||||
* Contributions by:
|
|
||||||
* - Leo West (performance improvements)
|
|
||||||
*/
|
|
||||||
|
|
||||||
define ("NODE_TYPE_START",0);
|
|
||||||
define ("NODE_TYPE_ELEMENT",1);
|
|
||||||
define ("NODE_TYPE_ENDELEMENT",2);
|
|
||||||
define ("NODE_TYPE_TEXT",3);
|
|
||||||
define ("NODE_TYPE_COMMENT",4);
|
|
||||||
define ("NODE_TYPE_DONE",5);
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Class HtmlParser.
|
|
||||||
* To use, create an instance of the class passing
|
|
||||||
* HTML text. Then invoke parse() until it's false.
|
|
||||||
* When parse() returns true, $iNodeType, $iNodeName
|
|
||||||
* $iNodeValue and $iNodeAttributes are updated.
|
|
||||||
*
|
|
||||||
* To create an HtmlParser instance you may also
|
|
||||||
* use convenience functions HtmlParser_ForFile
|
|
||||||
* and HtmlParser_ForURL.
|
|
||||||
*/
|
|
||||||
class HtmlParser {
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Field iNodeType.
|
|
||||||
* May be one of the NODE_TYPE_* constants above.
|
|
||||||
*/
|
|
||||||
var $iNodeType;
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Field iNodeName.
|
|
||||||
* For elements, it's the name of the element.
|
|
||||||
*/
|
|
||||||
var $iNodeName = "";
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Field iNodeValue.
|
|
||||||
* For text nodes, it's the text.
|
|
||||||
*/
|
|
||||||
var $iNodeValue = "";
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Field iNodeAttributes.
|
|
||||||
* A string-indexed array containing attribute values
|
|
||||||
* of the current node. Indexes are always lowercase.
|
|
||||||
*/
|
|
||||||
var $iNodeAttributes;
|
|
||||||
|
|
||||||
// The following fields should be
|
|
||||||
// considered private:
|
|
||||||
|
|
||||||
var $iHtmlText;
|
|
||||||
var $iHtmlTextLength;
|
|
||||||
var $iHtmlTextIndex = 0;
|
|
||||||
var $iHtmlCurrentChar;
|
|
||||||
var $BOE_ARRAY;
|
|
||||||
var $B_ARRAY;
|
|
||||||
var $BOS_ARRAY;
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Constructor.
|
|
||||||
* Constructs an HtmlParser instance with
|
|
||||||
* the HTML text given.
|
|
||||||
*/
|
|
||||||
function HtmlParser ($aHtmlText) {
|
|
||||||
$this->iHtmlText = $aHtmlText;
|
|
||||||
$this->iHtmlTextLength = strlen($aHtmlText);
|
|
||||||
$this->iNodeAttributes = array();
|
|
||||||
$this->setTextIndex (0);
|
|
||||||
|
|
||||||
$this->BOE_ARRAY = array (" ", "\t", "\r", "\n", "=" );
|
|
||||||
$this->B_ARRAY = array (" ", "\t", "\r", "\n" );
|
|
||||||
$this->BOS_ARRAY = array (" ", "\t", "\r", "\n", "/" );
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Method parse.
|
|
||||||
* Parses the next node. Returns false only if
|
|
||||||
* the end of the HTML text has been reached.
|
|
||||||
* Updates values of iNode* fields.
|
|
||||||
*/
|
|
||||||
function parse() {
|
|
||||||
$text = $this->skipToElement();
|
|
||||||
if ($text != "") {
|
|
||||||
$this->iNodeType = NODE_TYPE_TEXT;
|
|
||||||
$this->iNodeName = "Text";
|
|
||||||
$this->iNodeValue = $text;
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
return $this->readTag();
|
|
||||||
}
|
|
||||||
|
|
||||||
function clearAttributes() {
|
|
||||||
$this->iNodeAttributes = array();
|
|
||||||
}
|
|
||||||
|
|
||||||
function readTag() {
|
|
||||||
if ($this->iCurrentChar != "<") {
|
|
||||||
$this->iNodeType = NODE_TYPE_DONE;
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
$this->clearAttributes();
|
|
||||||
$this->skipMaxInTag ("<", 1);
|
|
||||||
if ($this->iCurrentChar == '/') {
|
|
||||||
$this->moveNext();
|
|
||||||
$name = $this->skipToBlanksInTag();
|
|
||||||
$this->iNodeType = NODE_TYPE_ENDELEMENT;
|
|
||||||
$this->iNodeName = $name;
|
|
||||||
$this->iNodeValue = "";
|
|
||||||
$this->skipEndOfTag();
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
$name = $this->skipToBlanksOrSlashInTag();
|
|
||||||
if (!$this->isValidTagIdentifier ($name)) {
|
|
||||||
$comment = false;
|
|
||||||
if (strpos($name, "!--") === 0) {
|
|
||||||
$ppos = strpos($name, "--", 3);
|
|
||||||
if (strpos($name, "--", 3) === (strlen($name) - 2)) {
|
|
||||||
$this->iNodeType = NODE_TYPE_COMMENT;
|
|
||||||
$this->iNodeName = "Comment";
|
|
||||||
$this->iNodeValue = "<" . $name . ">";
|
|
||||||
$comment = true;
|
|
||||||
}
|
|
||||||
else {
|
|
||||||
$rest = $this->skipToStringInTag ("-->");
|
|
||||||
if ($rest != "") {
|
|
||||||
$this->iNodeType = NODE_TYPE_COMMENT;
|
|
||||||
$this->iNodeName = "Comment";
|
|
||||||
$this->iNodeValue = "<" . $name . $rest;
|
|
||||||
$comment = true;
|
|
||||||
// Already skipped end of tag
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
if (!$comment) {
|
|
||||||
$this->iNodeType = NODE_TYPE_TEXT;
|
|
||||||
$this->iNodeName = "Text";
|
|
||||||
$this->iNodeValue = "<" . $name;
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
else {
|
|
||||||
$this->iNodeType = NODE_TYPE_ELEMENT;
|
|
||||||
$this->iNodeValue = "";
|
|
||||||
$this->iNodeName = $name;
|
|
||||||
while ($this->skipBlanksInTag()) {
|
|
||||||
$attrName = $this->skipToBlanksOrEqualsInTag();
|
|
||||||
if ($attrName != "" && $attrName != "/") {
|
|
||||||
$this->skipBlanksInTag();
|
|
||||||
if ($this->iCurrentChar == "=") {
|
|
||||||
$this->skipEqualsInTag();
|
|
||||||
$this->skipBlanksInTag();
|
|
||||||
$value = $this->readValueInTag();
|
|
||||||
$this->iNodeAttributes[strtolower($attrName)] = $value;
|
|
||||||
}
|
|
||||||
else {
|
|
||||||
$this->iNodeAttributes[strtolower($attrName)] = "";
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
$this->skipEndOfTag();
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
|
|
||||||
function isValidTagIdentifier ($name) {
|
|
||||||
return ereg ("^[A-Za-z0-9_\\-]+$", $name);
|
|
||||||
}
|
|
||||||
|
|
||||||
function skipBlanksInTag() {
|
|
||||||
return "" != ($this->skipInTag ($this->B_ARRAY));
|
|
||||||
}
|
|
||||||
|
|
||||||
function skipToBlanksOrEqualsInTag() {
|
|
||||||
return $this->skipToInTag ($this->BOE_ARRAY);
|
|
||||||
}
|
|
||||||
|
|
||||||
function skipToBlanksInTag() {
|
|
||||||
return $this->skipToInTag ($this->B_ARRAY);
|
|
||||||
}
|
|
||||||
|
|
||||||
function skipToBlanksOrSlashInTag() {
|
|
||||||
return $this->skipToInTag ($this->BOS_ARRAY);
|
|
||||||
}
|
|
||||||
|
|
||||||
function skipEqualsInTag() {
|
|
||||||
return $this->skipMaxInTag ("=", 1);
|
|
||||||
}
|
|
||||||
|
|
||||||
function readValueInTag() {
|
|
||||||
$ch = $this->iCurrentChar;
|
|
||||||
$value = "";
|
|
||||||
if ($ch == "\"") {
|
|
||||||
$this->skipMaxInTag ("\"", 1);
|
|
||||||
$value = $this->skipToInTag ("\"");
|
|
||||||
$this->skipMaxInTag ("\"", 1);
|
|
||||||
}
|
|
||||||
else if ($ch == "'") {
|
|
||||||
$this->skipMaxInTag ("'", 1);
|
|
||||||
$value = $this->skipToInTag ("'");
|
|
||||||
$this->skipMaxInTag ("'", 1);
|
|
||||||
}
|
|
||||||
else {
|
|
||||||
$value = $this->skipToBlanksInTag();
|
|
||||||
}
|
|
||||||
return $value;
|
|
||||||
}
|
|
||||||
|
|
||||||
function setTextIndex ($index) {
|
|
||||||
$this->iHtmlTextIndex = $index;
|
|
||||||
if ($index >= $this->iHtmlTextLength) {
|
|
||||||
$this->iCurrentChar = -1;
|
|
||||||
}
|
|
||||||
else {
|
|
||||||
$this->iCurrentChar = $this->iHtmlText{$index};
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
function moveNext() {
|
|
||||||
if ($this->iHtmlTextIndex < $this->iHtmlTextLength) {
|
|
||||||
$this->setTextIndex ($this->iHtmlTextIndex + 1);
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
else {
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
function skipEndOfTag() {
|
|
||||||
while (($ch = $this->iCurrentChar) !== -1) {
|
|
||||||
if ($ch == ">") {
|
|
||||||
$this->moveNext();
|
|
||||||
return;
|
|
||||||
}
|
|
||||||
$this->moveNext();
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
function skipInTag ($chars) {
|
|
||||||
$sb = "";
|
|
||||||
while (($ch = $this->iCurrentChar) !== -1) {
|
|
||||||
if ($ch == ">") {
|
|
||||||
return $sb;
|
|
||||||
} else {
|
|
||||||
$match = false;
|
|
||||||
for ($idx = 0; $idx < count($chars); $idx++) {
|
|
||||||
if ($ch == $chars[$idx]) {
|
|
||||||
$match = true;
|
|
||||||
break;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
if (!$match) {
|
|
||||||
return $sb;
|
|
||||||
}
|
|
||||||
$sb .= $ch;
|
|
||||||
$this->moveNext();
|
|
||||||
}
|
|
||||||
}
|
|
||||||
return $sb;
|
|
||||||
}
|
|
||||||
|
|
||||||
function skipMaxInTag ($chars, $maxChars) {
|
|
||||||
$sb = "";
|
|
||||||
$count = 0;
|
|
||||||
while (($ch = $this->iCurrentChar) !== -1 && $count++ < $maxChars) {
|
|
||||||
if ($ch == ">") {
|
|
||||||
return $sb;
|
|
||||||
} else {
|
|
||||||
$match = false;
|
|
||||||
for ($idx = 0; $idx < count($chars); $idx++) {
|
|
||||||
if ($ch == $chars[$idx]) {
|
|
||||||
$match = true;
|
|
||||||
break;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
if (!$match) {
|
|
||||||
return $sb;
|
|
||||||
}
|
|
||||||
$sb .= $ch;
|
|
||||||
$this->moveNext();
|
|
||||||
}
|
|
||||||
}
|
|
||||||
return $sb;
|
|
||||||
}
|
|
||||||
|
|
||||||
function skipToInTag ($chars) {
|
|
||||||
$sb = "";
|
|
||||||
while (($ch = $this->iCurrentChar) !== -1) {
|
|
||||||
$match = $ch == ">";
|
|
||||||
if (!$match) {
|
|
||||||
for ($idx = 0; $idx < count($chars); $idx++) {
|
|
||||||
if ($ch == $chars[$idx]) {
|
|
||||||
$match = true;
|
|
||||||
break;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
if ($match) {
|
|
||||||
return $sb;
|
|
||||||
}
|
|
||||||
$sb .= $ch;
|
|
||||||
$this->moveNext();
|
|
||||||
}
|
|
||||||
return $sb;
|
|
||||||
}
|
|
||||||
|
|
||||||
function skipToElement() {
|
|
||||||
$sb = "";
|
|
||||||
while (($ch = $this->iCurrentChar) !== -1) {
|
|
||||||
if ($ch == "<") {
|
|
||||||
return $sb;
|
|
||||||
}
|
|
||||||
$sb .= $ch;
|
|
||||||
$this->moveNext();
|
|
||||||
}
|
|
||||||
return $sb;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Returns text between current position and $needle,
|
|
||||||
* inclusive, or "" if not found. The current index is moved to a point
|
|
||||||
* after the location of $needle, or not moved at all
|
|
||||||
* if nothing is found.
|
|
||||||
*/
|
|
||||||
function skipToStringInTag ($needle) {
|
|
||||||
$pos = strpos ($this->iHtmlText, $needle, $this->iHtmlTextIndex);
|
|
||||||
if ($pos === false) {
|
|
||||||
return "";
|
|
||||||
}
|
|
||||||
$top = $pos + strlen($needle);
|
|
||||||
$retvalue = substr ($this->iHtmlText, $this->iHtmlTextIndex, $top - $this->iHtmlTextIndex);
|
|
||||||
$this->setTextIndex ($top);
|
|
||||||
return $retvalue;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
function HtmlParser_ForFile ($fileName) {
|
|
||||||
return HtmlParser_ForURL($fileName);
|
|
||||||
}
|
|
||||||
|
|
||||||
function HtmlParser_ForURL ($url) {
|
|
||||||
$fp = fopen ($url, "r");
|
|
||||||
$content = "";
|
|
||||||
while (true) {
|
|
||||||
$data = fread ($fp, 8192);
|
|
||||||
if (strlen($data) == 0) {
|
|
||||||
break;
|
|
||||||
}
|
|
||||||
$content .= $data;
|
|
||||||
}
|
|
||||||
fclose ($fp);
|
|
||||||
return new HtmlParser ($content);
|
|
||||||
}
|
|
||||||
|
|
||||||
php?>
|
|
||||||
Loading…
Add table
Add a link
Reference in a new issue