如何从XML中提取某些标记并用SimpleXML替换其他标记 - How to extract certain tags and replace others from XML with SimpleXML

我正在用PHP写我自己的博客，我想能够在Markdown中写帖子，用HTML显示结果，我还需要用HTML做一些自定义的事情。

有一个简单的脚本可以将Markdown转换为HTML，但一旦完成，我需要对HTML做一些事情：

我需要使用htmlenties（）函数替换pre标记中的所有HTML符号。（在我的博客中，我发布了包括HTML在内的代码，我只想显示这个HTML，而不是在浏览器中解析它）。
我需要提取所有的纯文本，这样我就可以在最后创建不包括图像标签或半标签（或者pre中的代码片段）的摘录。

我认为我已经通过使用以下代码解决了问题2：

$xml = new SimpleXMLElement('<xml>' . $html . '</xml>');

$xml现在看起来像：

<xml>
  <p>some random text</p>
  <img src='image.jpg'>
  <p>some random text</p>
</xml>

这将提取所有文本：

foreach($xml->{'p'} as $p){
echo $p . '<hr>';
}

这是可行的，但我也希望它包括在ul和ol中找到的所有文本（按照它们在XML中出现的顺序）。我已经搜索了一种方法来循环$XML的所有子元素，但我找不到如何检查元素是p、ul还是ol。

我找不到解决问题1的方法，因为我不知道如何替换XML对象中的内容，但保留其他所有内容。（或者我遗漏了一些非常明显的东西？）

经过大量搜索，我无法使用XML解析找到我想要的东西，此外我还需要一些其他功能。我解决了REGEX的问题，因为所有的HTML都是由我生成的。

所以这里提供的解决方案解决了我原来的问题+更多的问题。

此函数获取一段内容（字符串）并返回几个字符串：

md=与pre中带尖括号的内容更改为它们的html实体相同（我写了关于html的博客，但在编辑文章屏幕中，我不希望pre中的html被解析
html=pre之外的所有内容都被标记，pre内部的每个htmlchar都被更改为它们的html实体
extraction=文本压缩了近300个字符，没有任何预标记（或其内容），没有markdown语法或html标记

meta=与160个字符的摘录相同。

function prepareContent($content) {
    // I use this instead of htmlentities for the plain text, this prevents HTML to be parsed inside the edit screen
    // all HTML is served with htmlentities instead
    function removeAngleBrackets($str) {
        $str = str_replace('<','&lt;',$str);
        $str = str_replace('>','&gt;',$str);
        return $str;
    }
    $segments = preg_split('/(<'/?pre.*?>)/', $content, -1, PREG_SPLIT_DELIM_CAPTURE);
    // STATE MACHINE
    // borrowed from: http://stackoverflow.com/questions/1278491/howto-encode-texts-outside-the-pre-pre-tag-with-htmlentities-php#answer-1278575
    // this breaks when I nest pre's in pre's (unless I escape the <pre> myself), could be fixed though
    // $state = 0 if outside of a pre
    // $state = 1 if inside of a pre
    $state = 0;
    $plaintext = '';
    $html = '';
    $preless = '';
    // $html, $plaintext and $preless are all written in here
    foreach ($segments as &$segment) {
        if ($state == 0) {
            if (preg_match('#<pre[^>]*>#i',$segment)) {
                //this is the pre opening tag
                $state = 1; 
                $html .= $segment;
                $plaintext .= $segment;
            } else {
                //this is outside the pre tag
                $plaintext .= $segment;
                $markdown = Markdown($segment);
                $html .= $markdown;
                $preless .= $markdown;
            }
        } else if ($state == 1) {
            if ($segment == '</pre>') {
                //this is the pre closing tag
                $state = 0;
                $html .= $segment;
                $plaintext .= $segment;
            } else {
                //this is inside the pre tag
                $plaintext .= removeAngleBrackets($segment);
                // first encode &gt; to > so I can re encode it together with other chars
                // else we get double encoding like: $amp;gt;
                $enti = html_entity_decode($segment);
                $html .= htmlspecialchars($enti, ENT_QUOTES);
            }
        }
    }
    $arr['html'] = SmartyPants($html);
    $arr['md'] = $plaintext;
    //                      the excerpt & meta
    // remove all html tags (markdown is already converted to HTML)
    $tagless = strip_tags($preless);
    function shrinkText($str, $limit) {
        $strlen = strlen($str);
        if($strlen > $limit) {
            $pos = strpos($str, ' ', $limit);
            if($strlen > $pos) {
                $result = substr($str,0,$pos);
            }
        }
        return $result ? $result : $str;
    }
    // I need to smartypants the excerpt to
    $excerpt = shrinkText($tagless, 275)  . ' (...)';
    $arr['excerpt'] = SmartyPants($excerpt);
    $arr['meta'] = shrinkText($tagless, 160);
    return $arr;
}