我们刚刚发布了一些代码，以使我们的软件更方便用户使用，并且使用起来很麻烦。基本上，我们试图用<br />标签替换换行符。麻烦的是，有时我们的用户将输入如下代码：压缩HTML标记中的属性之间的空白
<a
href='http://nowhere.com'>Nowhere</a>
当我们运行我们的代码，这相当于
<a <br />href='http://nowhere.com' />Nowhere</a>
这显然不能正常显示。
是否有正则表达式或PHP函数去除或可能压缩HTML标记的属性之间的空白？
澄清：这不是完整的HTML。它与Markdown或其他语言更类似（我们最终将转向Markdown，但我需要快速修复）。所以我不能将它解析为普通的HTML。换行符需要正确转换为<br />标签。
一些搜索和大量的试验和错误后，我想出了以下解决方案/黑客：
/*
* Compress all whitespace within HTML tags (including PRE at the moment)
*/
$regexp = "/<\/?\w+((\s+(\w|\w[\w-]*\w)(\s*=\s*(?:\".*?\"|'.*?'|[^'\">\s]+))?)+\s*|\s*)\/?>/i";
preg_match_all($regexp, $text, $matches);
foreach($matches[0] as $match) {
$new_html = preg_replace('/\s+/', ' ', $match);
$text = str_replace($match, $new_html, $text);
}
执行此代码后，在$text所有的HTML标签将被正确格式化，并且有效的，没有换行符字符。
我知道这不是最好的解决方案，但它很有效，很快我们就会迁移到真正的标记语言（如Markdown）。
您需要一个能够正确解析所有HTML的库，您永远不会知道用户可能发明什么。
嗯，你为什么要使用的工具时，有没有为此目的设计的HTML格式，让你的自我DOM库。
我解析的HTML不是有效的，它是HTML内部的文本。所以，HTML的部分必须是有效的，但其余部分只是文本。 – 2010-12-07 18:51:41
那么你有没有实施`
`标签的原始内容？如果是的话，把它放到DOM Parser中，循环投掷每个元素并将属性放在一个新的新标签中，然后将其格式化。 –
RobertPitt
2010-12-07 18:59:04
理想情况下，你会使用XML解析器，通过DOM和SAX API的。但是，如果您的内容不是正确的XML，而是带有几个标签的纯文本，解析器可能会失败（这取决于所用的工具，我猜）。
针对您的特定问题的粗略解决方案可能如下：构建具有两种状态的状态机，即标记内部和标记外部。您逐字读取输入字符。阅读'<'后，切换到“内部”状态。阅读'>'后，切换到“外部”状态。读完'\ n'后，如果处于“外部”状态，则发出“< br/>”（否则不会发出任何东西）。
这只是一个草图，它可能需要进一步完善。
@ajreal - `trim（）`只会做字符串的开始和结尾。 – 2010-12-07 18:30:40