我正在尝试转换使用Php word格式化的HTML。
我用summernote创建了一个html表单。 Summernote允许用户格式化文本。此文本使用html标记保存到数据库中。
接下来使用phpWord,我想将捕获的信息输出到word文档中。请参阅以下代码:
$rational = DB::table('rationals')->where('qualificationheader_id',$qualId)->value('rational');
$wordTest = new \PhpOffice\PhpWord\PhpWord();
$newSection = $wordTest->addSection();
$newSection->getStyle()->setPageNumberingStart(1);
\PhpOffice\PhpWord\Shared\Html::addHtml($newSection,$rational);
$footer = $newSection->addFooter();
$footer->addText($curriculum->curriculum_code.'-'.$curriculum->curriculum_title);
$objectWriter = \PhpOffice\PhpWord\IOFactory::createWriter($wordTest,'Word2007');
try {
$objectWriter->save(storage_path($curriculum->curriculum_code.'-'.$curriculum->curriculum_title.'.docx'));
} catch (Exception $e) {
}
return response()->download(storage_path($curriculum->curriculum_code.'-'.$curriculum->curriculum_title.'.docx'));
保存在数据库中的文本如下所示:
<p class="MsoNormal"><span lang="EN-GB" style="background-image: initial; background-position: initial; background-size: initial; background-repeat: initial; background-attachment: initial; background-origin: initial; background-clip: initial;"><span style="font-family: Arial;">The want for this qualification originated from the energy crisis in
South Africa in 2008 together with the fact that no existing qualifications
currently focuses on energy efficiency as one of the primary solutions. </span><span style="font-family: Arial;">The fact that energy supply remains under
severe pressure demands the development of skills sets that can deliver the
necessary solutions.</span><span style="font-family: Arial;"> </span><o:p></o:p></span></p><p class="MsoNormal"><span lang="EN-GB" style="background-image: initial; background-position: initial; background-size: initial; background-repeat: initial; background-attachment: initial; background-origin: initial; background-clip: initial; font-family: Arial;">This qualification addresses the need from Industry to acquire credible
and certified professionals with specialised skill sets in the energy
efficiency field. The need for this skill set has been confirmed as a global
requirement in few of the International commitment to the reduction of carbon
我收到以下错误:
ErrorException(E_WARNING)DOMDocument :: loadXML():p上的命名空间前缀o未在实体中定义,行:1
解析器抱怨你的文本在元素标签中包含名称空间,更具体地说是标签<o:p>
上的前缀(其中o:
是前缀)。它似乎是some kind of formatting for Word。
为了重现这个问题,我不得不挖掘一下因为PHPWord不是抛出异常,而是PHPWord正在使用的DOMDocument
。下面的代码使用PHPWord正在使用的same parsing method,并应输出有关代码的所有警告和通知。
# Make sure to display all errors
ini_set("display_errors", "1");
error_reporting(E_ALL);
$html = '<o:p>Foo <o:b>Bar</o:b></o:p>';
# Set up and parse the code
$doc = new DOMDocument();
$doc->loadXML($html); # This is the line that's causing the warning.
# Print it back
echo $doc->saveXML();
对于格式良好的HTML结构,可以在声明中包含名称空间,从而告诉解析器这些前缀实际上是什么。但由于它似乎只是将被解析的HTML代码的一部分,因此它是不可能的。
有可能喂DOMXPath
with the namespace,以便PHPWord
可以利用它。不幸的是,API中的DOMXPath
isn't public因此不可能。
相反,似乎最好的方法是从标签中去除前缀,并使警告消失。
编辑2018-10-04:我已经发现了一种方法来保留标签中的前缀并仍然使错误消失,但执行并不是最佳的。如果有人可以提供更好的解决方案,请随时编辑我的帖子或发表评论。
根据分析,解决方案是删除前缀,反过来我们必须预先解析代码。 Since PHPWord is using DOMDocument
,我们也可以使用它,并确保我们不需要安装任何(额外的)依赖项。
PHPWord使用loadXML
解析HTML,这是一个抱怨格式化的函数。在这种方法中可以抑制错误消息,我们将在两个解决方案中进行此操作。这是由passing an additional parameter进入loadXML
和loadHTML
函数。
第一种方法将html代码解析为XML,并递归遍历树并删除标记名称上出现的任何前缀。
我创建了一个应该解决这个问题的类。
class TagPrefixFixer {
/**
* @desc Removes all prefixes from tags
* @param string $xml The XML code to replace against.
* @return string The XML code with no prefixes in the tags.
*/
public static function Clean(string $xml) {
$doc = new DOMDocument();
/* Load the XML */
$doc->loadXML($xml,
LIBXML_HTML_NOIMPLIED | # Make sure no extra BODY
LIBXML_HTML_NODEFDTD | # or DOCTYPE is created
LIBXML_NOERROR | # Suppress any errors
LIBXML_NOWARNING # or warnings about prefixes.
);
/* Run the code */
self::removeTagPrefixes($doc);
/* Return only the XML */
return $doc->saveXML();
}
private static function removeTagPrefixes(DOMNode $domNode) {
/* Iterate over each child */
foreach ($domNode->childNodes as $node) {
/* Make sure the element is renameable and has children */
if ($node->nodeType === 1) {
/* Iterate recursively over the children.
* This is done before the renaming on purpose.
* If we rename this element, then the children, the element
* would need to be moved a lot more times due to how
* renameNode works. */
if($node->hasChildNodes()) {
self::removeTagPrefixes($node);
}
/* Check if the tag contains a ':' */
if (strpos($node->tagName, ':') !== false) {
print $node->tagName;
/* Get the last part of the tag name */
$parts = explode(':', $node->tagName);
$newTagName = end($parts);
/* Change the name of the tag */
self::renameNode($node, $newTagName);
}
}
}
}
private static function renameNode($node, $newName) {
/* Create a new node with the new name */
$newNode = $node->ownerDocument->createElement($newName);
/* Copy over every attribute from the old node to the new one */
foreach ($node->attributes as $attribute) {
$newNode->setAttribute($attribute->nodeName, $attribute->nodeValue);
}
/* Copy over every child node to the new node */
while ($node->firstChild) {
$newNode->appendChild($node->firstChild);
}
/* Replace the old node with the new one */
$node->parentNode->replaceChild($newNode, $node);
}
}
要使用代码,只需调用TagPrefixFixer::Clean
函数即可。
$xml = '<o:p>Foo <o:b>Bar</o:b></o:p>';
print TagPrefixFixer::Clean($xml);
产量
<?xml version="1.0"?>
<p>Foo <b>Bar</b></p>
我注意到如果你使用loadHTML
而不是loadXML
PHPWord is using它将在将HTML加载到类中时删除前缀。
此代码明显缩短。
function cleanHTML($html) {
$doc = new DOMDocument();
/* Load the HTML */
$doc->loadHTML($html,
LIBXML_HTML_NOIMPLIED | # Make sure no extra BODY
LIBXML_HTML_NODEFDTD | # or DOCTYPE is created
LIBXML_NOERROR | # Suppress any errors
LIBXML_NOWARNING # or warnings about prefixes.
);
/* Immediately save the HTML and return it. */
return $doc->saveHTML();
}
要使用此代码,只需调用cleanHTML
函数即可
$html = '<o:p>Foo <o:b>Bar</o:b></o:p>';
print cleanHTML($html);
产量
<p>Foo <b>Bar</b></p>
我已经尝试用给定的Microsoft Office namespaces包装代码,然后将数据提供给解析器,这也将解决问题。具有讽刺意味的是,我还没有找到一种方法来使用DOMDocument
解析器添加命名空间,而不会实际提出原始警告。所以 - 这个解决方案的执行有点hacky,我不建议使用它,而是建立自己的。但你明白了这个想法:
function addNamespaces($xml) {
$root = '<w:wordDocument
xmlns:w="http://schemas.microsoft.com/office/word/2003/wordml"
xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"
xmlns:o="urn:schemas-microsoft-com:office:office">';
$root .= $xml;
$root .= '</w:wordDocument>';
return $root;
}
要使用此代码,只需调用addNamespaces
函数即可
$xml = '<o:p>Foo <o:b>Bar</o:b></o:p>';
print addNamespaces($xml);
产量
<w:wordDocument
xmlns:w="http://schemas.microsoft.com/office/word/2003/wordml"
xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"
xmlns:o="urn:schemas-microsoft-com:office:office">
<o:p>Foo <o:b>Bar</o:b></o:p>
</w:wordDocument>
然后可以将此代码提供给PHPWord函数addHtml
,而不会引发任何警告。
在之前的回复中,这些是作为(可选)解决方案提出的,但为了解决问题,我将让他们在下面。请记住,这些都不是推荐的,应谨慎使用。
由于它只是一个警告,而不是一个致命的暂停异常,你可以关掉警告。您可以通过在脚本顶部包含此代码来完成此操作。但是,这仍然会减慢您的应用程序,最好的方法始终是确保没有警告或错误。
// Show the default reporting except from warnings
error_reporting(E_ALL & ~E_NOTICE & ~E_STRICT & ~E_DEPRECATED & ~E_WARNING);
在将数据库保存到数据库之前,或者在获取它以用于此函数之后,可能(可能)使用regex on your text删除(大多数)命名空间。由于它已经存储在数据库中,因此最好在从数据库中获取后使用下面的代码。正则表达式虽然可能会遗漏某些事件,但在最坏的情况下会弄乱HTML。
正则表达式:
$text_after = preg_replace('/[a-zA-Z]+:([a-zA-Z]+[=>])/', '$1', $text_before);
例:
$text = '<o:p>Foo <o:b>Bar</o:b></o:p>';
$text = preg_replace('/[a-zA-Z]+:([a-zA-Z]+[=>])/', '$1', $text);
echo $text; // Outputs '<p>Foo <b>Bar</b></p>'