git.roojs.org Git - pear/blob - HTML/Clean.php

   1 <?php
   2
   3 /**
   4  * This is a PHP implementation of the Roo HTMLEditorCore onPaste method - that cleans up HTML
   5  * and replaces things like tables etc..
   6  */
   7
   8 class HTML_Clean {
   9
  10     static function fromHTML($str, $opts = array())
  11     {
  12         $str= self::cleanWordChars($str);
  13         $dom = new DOMDocument('1.0', 'utf8');
  14         $dom->loadHTML($str);
  15         $opts['dom'] = $dom;
  16         return new HTML_Clean($opts);
  17     }
  18     static function cleanWordChars($str)
  19     {
  20         $swapCodes  = array(
  21              8211 =>  "&#8211;" ,
  22              8212 =>  "&#8212;" ,
  23              8216 =>   "'" ,
  24              8217 =>  "'" ,
  25              8220 =>  '"' ,
  26              8221 =>  '"' ,
  27              8226 =>  "*" ,
  28              8230 =>  "..."
  29         );
  30         foreach($swapCodes as $k=>$v) {
  31             $str = str_replace(mb_chr($k), $v, $str);
  32         }
  33         return $str;
  34
  35     }
  36
  37
  38     var $dom; // Dom Document.
  39     var $black = array(
  40         'APPLET', //
  41         'BASE',   'BASEFONT', 'BGSOUND', 'BLINK',  'BODY',
  42         'FRAME',  'FRAMESET', 'HEAD',    'HTML',   'ILAYER',
  43         'IFRAME', 'LAYER',  'LINK',     'META',    'OBJECT',
  44         'SCRIPT', 'STYLE' ,'TITLE',  'XML',
  45         //'FONT' // CLEAN LATER..
  46         'COLGROUP', 'COL'   // messy tables.
  47     ); // blacklist of elements.
  48
  49     function __construct($opts)
  50     {
  51         foreach($opts as $k=>$v) {
  52             $this->{$k} = $v;
  53         }
  54         $d = $this->dom->documentElement;
  55         $this->filter('Word',array( 'node' =>  $d ));
  56
  57         $this->filter('StyleToTag', array(
  58             'node' =>  $d   // this could add nodes to tree, so not very good to nest the walk.
  59
  60         ));
  61
  62         $this->filter('Attributes',array(    // does walk as well.
  63             'node' => $d,
  64             'attrib_white' => array('href', 'src', 'name', 'align', 'colspan', 'rowspan', 'data-display', 'data-width', 'start'),
  65             'attrib_clean' => array('href', 'src' ),
  66
  67             'replaceComment' => true   // this is sneaked in here - as walk will get rid of comments at the same time.
  68         ));
  69         // is this used?!?!
  70         $this->filter('Black', array( 'node' =>  $d, 'tag'  =>  $this->black ));
  71         // we don't use the whitelist?
  72
  73
  74         // should be fonts..
  75         $this->filter('KeepChildren',array( 'node' =>  $d, 'tag'  =>   array(   'FONT', ':' )) );
  76         $this->filter('Paragraph',array( 'node' =>  $d ));
  77         $this->filter('Span',array( 'node' =>  $d ));
  78         $this->filter('LongBr',array( 'node' =>  $d ));
  79
  80         $ar = $this->arrayFrom($d->getElementsByTagName('img'));
  81         foreach($ar as $img) {
  82             if ($this->findParent($img, 'figure')) {
  83                 continue;
  84             }
  85             require_once 'HTML/Clean/BlockFigure.php';
  86             $fig = new HTML_Clean_BlockFigure(array(
  87                 'image_src' => $img->getAttribute('src')
  88             ));
  89             $fig->updateElement($img);
  90
  91         }
  92
  93
  94
  95         require_once 'HTML/Clean/Block.php';
  96         HTML_Clean_Block::initAll($d);
  97
  98     }
  99
 100     function filter($type, $args)
 101     {
 102         require_once 'HTML/Clean/Filter'. $type .'.php';
 103         $cls = 'HTML_Clean_Filter'. $type;
 104         new $cls($args);
 105     }
 106
 107     function toString()
 108     {
 109         $this->dom->saveHTML();
 110     }
 111
 112
 113 }