自动解析PHP以将PHP代码与HTML分离

如何将标记生成器内置到PHP本身？   标记器功能提供了一个   PHP tokenizer的接口   嵌入在Zend引擎中。运用   这些功能你可以写自己的   PHP源代码分析或修改   工具无需处理   词汇的语言规范   水平。 您在评论中询问是否可以从标记化输出中重新生成代码 - 但是您可以将所有空格保留为T_WHITESPACE标记。以下是将标记化输出转换回代码的方法：

$regenerated='';

$tokens = token_get_all($code);
foreach($tokens as $idx=>$t)
{
    if (is_array($t))
    {

         //do something with string and comments here?
         switch($t[0])
         {
             case T_CONSTANT_ENCAPSED_STRING:
                  break;
             case T_COMMENT:
             case T_DOC_COMMENT:
                 break;

         }
         $regenerated.=$t[1];


    }
    else
    {
         $regenerated.=$t;
    }
}

    

为了将PHP与其他PHP分开，PHP的内置标记器是您的最佳选择：请参阅

token_get_all()

对于其他人来说，最好使用DOM解析器。隔离

<script>

部分（和外部脚本，甚至

onXXXX

事件）很容易。 但是，从解析的DOM树重新构建相同的文档可能很难 - 我想这取决于您需要对结果做什么以及原始HTML的清洁程度。正则表达式（yuck！）可以更好地适用于该部分。     

如果你想要做的就是检查令牌，那么PHP tokenizer就像其他人所建议的那样，可能是个不错的选择。 如果您想要做的是以可靠的方式自动更改源代码，我不确定这会对您有所帮助。您将如何重新生成修改后的源文本？ 另一种方法是使用程序转换引擎。这样的引擎可以解析源文本以抽象语法树，捕获程序的结构（以及所有令牌的有效内容），并允许使用可靠的模式匹配/转换来搜索和转换那些AST。要做到这一点，你需要一个可靠地解析PHP的引擎， 并且可以从更改的AST中重现可编译的源文本。 我们的DMS软件再造工具包就是这样一个程序转换系统，它有一个强大的PHP前端，可以在解析，转换和将结果重新打印回文本方面准确地处理PHP5。 （正确使用PHP解析器很难，因为语言记录很差）。因为前端可以准确地获取HTML和PHP代码，所以您不需要分离文本;它们将停放在独特树节点中清晰可辨的地方。 要将所有回显的字符串从小写更改为大写，您可以使用DMS来解析PHP，然后应用以下转换规则：

 rule uppercase_echoed_string(s: STRING): statement -> statement
 =   "echo s;" ->  "echo uppercase(s);".

此规则是用DMS的规则规范语言（RSL）编写的，显然不是PHP。引号内的东西是PHP代码;这些是围绕被操作的程序设计语言的文本的元引号。 chararacter是一个元转义： s表示必须与字符串文字匹配的元变量， uppercase是RSL语言外部的DMS函数的名称，而（）是元函数调用大写的元括号，应用于匹配的字符串 s。因为规则在AST上运行，所以不能混淆;它不会改变/ * echo'def'* /的文本，因为这不是一个声明。 您可能需要几个规则来处理各种语法组合：在这种情况下，STRING只引用单引号的文字字符串;双引号字符串不是单片实体，而是由一系列QUOTED_STRING_FRAGMENTS组成，这些QUOTED_STRING_FRAGMENTS对应于双引号字符串中PHP表达式之间的双引号字符串中的文本。 在转换过程结束时，更改的AST将使用原始缩进和注释完成，除非应用了转换。 对于DMS，也有一个完全语言准确的JavaScript解析器，如果您想要准确处理SCRIPT标签的内容，则需要这些解析器。 如果您想对源代码进行可靠的更改，这个恕我直言是唯一的好方法。你可以尝试字符串黑客和正则表达式，但解析PHP需要一个无上下文的解析器而RE不会这样做，所以你得到的任何结果都不值得信任。