Seguramente ya habéis leído que he tenido, y seguramente todavía tengo, problemas al formatear la información HTML a XHTML, que es el formato con el que trabajan las nuevas versiones de BLOG:CMS y en teoría el formato del futuro de las páginas web. Ya que a través de las hojas de estilo se consigue una independencia casi del 100% del contenido y del formato del contenido. Si queréis más info del tema os recomiendo que os paséis por la web del Diego ( mini-d ) allí encontraréis mucha más información sobre estos formatos y sus ventajas.
Pues en este artículo os intentaré explicar cómo usando el PHP he intentado convertir automáticamente el código HTML de mis anteriores artículos y comentarios al nuevo formato XHTML 1.0 transitional. De hecho, como todos los procesos de migración tienen un retoque manual, pero lo importante es que el escript nos ahorre el máximo de trabajo posible.
Bien pues, como dice el título he usado el tidy para hacer esto, este software es una extensión para el PHP que nos permite automatizar la conversión. De hecho son una colección de funciones muy útiles, podéis mirar la documentación oficial de las mismas en la web de php.
De hecho, la mayoría de funciones del tidy son para PHP5 y yo obviamente no uso esa versión del PHP, sino la versión PHP 4.3.8, así que he sudado una buena rato hasta que he descubierto a base de prueba y error qué funciones iban en PHP4, que por cierto, no están especificadas en el fantástico manual de la gente de php.
Para instalar el tidy, con el mini-manual que hay en php.net he tenido bastante, aunque lo que no pone es que hay que editar el fichero php.ini y hay que añadir la siguiente línea para que se cargue la extensión tidy:
extension = tidy.so
Se pueden poner más opciones en el fichero php.ini pero yo sinceramente he pasado de ellas. Para saber que funciona correctamente, os recomiendo que hagáis phpinfo(); y busquéis el recuadro de opciones por defecto del tidy, si no está quiere decir que todavía no tenéis el soporte cargado. Recordad que después de tocar el php.ini tenéis que reiniciar el apache.
El código de PHP4 que finalmente he usado para hacer la conversión es el siguiente:
$opts = array( "clean" => true, "output-xhtml" => true, "drop-font-tags" => true, "drop-empty-paras" => true, "wrap" => 80, "logical-emphasis" => true, "enclose-text" => true, "enclose-block-text" => true ); $html="Codi en format HTML<br>Per provar <b>que tot funcioni</b>";$xhtml=tidy_repair_string($html,$opts);
En cuanto a las opciones que uso, os recomiendo que las saquéis de Clean up your Web pages with HTML TIDY este documento, tiene una zona donde se describen bastante bien las opciones del conversor. En cuanto al resto del código nos devolverá el código XHTML con todos los headers y footers y los rollos propios de los formalismos del XML. Si como yo lo que queréis es enviar este código a la BBDD porque son contenidos de artículos, comentarios y otros similares, lo que querréis es quitar estas cabeceras, para que no tengáis que pensar cómo hacerlo aquí tenéis mi código:
$inici = strpos ($xhtml,"<body>")+6;$final = strpos ($xhtml,"</body>");$final = $final - $inici;$article = substr ( $sortida, $inici, $final);
Ahora dentro de la variable article tendréis algo así:
<p>Codi en format HTML<br />Per provar <strong>que tot funcioni</strong>
Aunque parezca muy sencillo no os quiero decir las horas que me ha llevado descubrir esto si no pensaríais que soy retrasado . De hecho, tengo el cerebro tan destrozado después de intentar corregir todo esto que me entran ganas de mandarlo todo a paseo. Por otro lado, estoy seguro que todavía quedan cosas que no acaban de funcionar en el portal, espero que me ayudéis a encontrarlas para que las pueda corregir. Gracias.
3 comentarios
Los comentarios del blog antiguo, tal como se escribieron. Los comentarios están cerrados.
JUAN
HOLA
obokaman
EL tidy, el vas instal.lar sota windows o sota linux? Estic provant d'instalar-lo a una red hat, no només per convertir articles antics, si no per passar una validació previa a l'enmagatzemament en base de dades, i me les estic veient canutes...
Merci noi.
—
[2] sota linux, és clar. Vaig usar el portage de gentoo: app-text/tify concretament tinc instal·lada la versió 4.8.6 ara mateix. No sé si puc fer algo més per ajudar-te.