解析HTML以修复微字和字形问题
我对网络上的microtypography问题很感兴趣。
我想要一个工具来修复：
- Quotes
- “(”)开始引号(而不是“)
- ”(“)结束引号(而不是")
- Apostrophe
- ‘(’)撇号(而不是')
- 破折号和连字符
- -(-或-) en破折号，用于表示范围，例如“13-15
- ”(而不是-)
- -(- or -) em破折号，用于改变思想，例如“众所周知，”星球大战“令人惊叹。”(而不是-或--)
- 省略
- …(…或…)水平省略号，用于表示省略或停顿(代替...)
- 和更多\o/
所有这些修复都依赖于内容语言。例如，在法语中，我们必须在每个组合字形(:，;，…，?，!，...)之前添加一个不可破坏的空格，我们的引号是«，就像这样»。
这样的工具有很多限制：
它不能在受保护的标签中编辑任何超文本标记语言( code...)
- it，
- 必须是快速的(用于内容管理系统的输出)
- 它不能破坏超文本标记语言
- 等等。
市场上已经有一些工具：
- http://michelf.ca/projects/php-smartypants/typographer/
- http://kingdesk.com/projects/php-typography/
- http://code.google.com/p/typogrify/
它们或多或少都是基于SmartyPants的，这是一个2005年的库，没有经过测试，没有文档，手动解析HTML语言，不处理除英语之外的其他规则。见鬼，不。
所以我的问题是：
- 你知道有像这样的好工具吗？
- 我该怎么做呢？我已经有一个使用DomCrawler的POC，但我并不信服。在PHP中解析和编辑超文本标记语言的最佳方法是什么？
编辑2013年7月：我从这个问题上获得的测试和专业知识中开发了JoliTypo。没有现成的lib在做我想做的事情。
回答 4
Stack Overflow用户
发布于 2012-12-07 03:53:35
我的一些朋友Sean做了一些我经常用来做这个的东西。你可以在这里查看演示：http://files.seancoates.com/lexentity/他在这里写的博客：http://seancoates.com/blogs/lexentity，你可以在这里获取源代码：https://github.com/scoates/lexentity
它可能不能满足您的全部语言需求，但它是从英语开始的。
Stack Overflow用户
发布于 2012-12-11 07:12:07
Stack Overflow用户
发布于 2012-12-11 07:44:50
关于引用请阅读此Q tag，其他的我将使用bbcode库。因为很难编写算法来区分你需要的破折号。BBcode允许编辑器进行选择，但在编辑器必须执行操作的情况下，您可能会考虑提供某种按钮来插入特殊字符。对于容易识别的东西，您只需为BBcode库创建新的规则，如果它们必须是本地的，那么您将为不同的语言创建不同的规则集。显然，OOP中的继承在这里会很方便。
https://stackoverflow.com/questions/13700054
复制相似问题