Валидация?

[KarelWintersky]

Есть ли возможность проверить, что документ, загруженный в

$document = new Document();
$document->loadHtml($html);

Является валидным HTML-документом: нет контента вне тегов, атрибуты записаны корректно итд...

?

[BasToTheMax]

?

[KarelWintersky]

@BasToTheMax вы имеете какое-то отношение к автору пакета? Нет? Лесом.

[Imangazaliev]

@KarelWintersky такой возможности нет.

нет контента вне тегов

Вроде, это не запрещено.

нет контента вне тегов

Нужно больше конкретики.

[Imangazaliev]

вы имеете какое-то отношение к автору пакета? Нет? Лесом.

Не так ) свободное время сильно ограничено и нужно правильно его распределять, опенсорс пока что не в приоритете, хотя у меня есть планы по развитию библиотеки.

[KarelWintersky]

@Imangazaliev , смотрите, у нас на новостном сайте (47news.ru) редакторы добавляют новости через админку. У нас используется CKEditor и по умолчанию он генерирует вполне валидный код:

<p><strong>В Кировске трубу прорвало ещё раз после того, как коммунальщики были уверены, что её залатали.</strong></p>

<p>И. о. главы администрации Кировского района Андрей Шорников сообщил 47news, что тепло в дома жителей Кировска должно поступить в районе часа ночи. "Заполняют систему, подают тепло", - сказал он. По словам чиновника, уже вечером, после того, как коммунальщики отчитались <a href="https://47news.ru/articles/203934/" target="_blank">об устранении аварии</a>, трубу прорвало ещё раз.</p>

<p>Ранее 47news писал о том, что утром 1 декабря произошел прорыв трубы, который оставил жителей двух микрорайонов города без благ цивилизации. В <a href="https://m.47news.ru/articles/203907/" style="outline:none; font-variant-ligatures:normal; text-align:start; color:#0563c1; text-decoration:underline" target="_blank">зоне отключения находятся 15 тысяч человек</a>. Местные жители сообщают, что в этом месте прорывы происходят постоянно, такое было и летом.</p>

Например, такой. То есть каждый абзац завернут в <p></p> или другой блочный тег (blockquote, ul, div).

Далее, возникла задача вставить "инрид-баннеры" в текст. Это баннеры после каждого, допустим, третьего абзаца (реальные правила сложнее, упрощаю для краткости). Для этого я беру вашу библиотеку, режу текст на блоки конструкцией:

$document = new Document();
$document->loadHtml($html_source);

$html_target = [];

foreach ($document->find('body > *', Query::TYPE_CSS, true) as $n => $p) {
  $p_content = $p->html();
  // вся магия тут
}
return implode(PHP_EOL, $html_target);

и все работает...

НО:
Иногда, мы так и не выяснили, в каких случаях и почему в результате действий редактора текст, отдаваемый CKEditor'ом выглядит так:

<p>И. о. главы администрации .... трубу прорвало ещё раз.</p>
Ранее 47news писал о том, что утром 1 декабря произошел прорыв трубы, который оставил жителей двух микрорайонов города без благ цивилизации. В <a href="https://m.47news.ru/articles/203907/" style="outline:none; font-variant-ligatures:normal; text-align:start; color:#0563c1; text-decoration:underline" target="_blank">зоне отключения находятся 15 тысяч человек</a>. Местные жители сообщают, что в этом месте прорывы происходят постоянно, такое было и летом.

Обратите внимание - просто текст идет после закрытого тега P.

Браузеру понятно пофигу, он включает квирк-режим и показывает как умеет. А вот алгоритму вставки баннеров не пофигу. Он превращает результат примерно в такое:

<p>И. о. главы администрации .... трубу прорвало ещё раз.</p>
<a>зоне отключения находятся 15 тысяч человек</a>

Делает он это совершенно правильно, претензий к пакету ни-ка-ких :) Но вот такой текст является с точки зрения моей задачи невалидным.

Я думал о регулярке, которая проверяла бы "ошибкой является все то, что содержит строки НЕ начинающиеся с тега, но черт возьми, они обожают писать диалоги в тексте:

<p>-- а вы обращались в полицию<br>
-- ну да<br>
-- и что сказали?<br>
-- ничего </p>

Очевидно, это валидный блок кода, он будет штатно обработан вашим пакетом... но не регуляркой!

И в общем непонятно что с этим делать.

[KarelWintersky]

Пока что в рамках планового извращения я при сохранении статьи преобразую исходный текст набором правил к некому виду, его режу на блоки, склеиваю в текст и потом сравниваю с исходником. Одинаковые - значит типа все ок, баннеры вставятся корректно.

Нет, ставлю в админке флаг "в эту статью баннеры не ставить".

Но это же извращение какое-то!