如何在 PHP 中解析 HTML 以进行缩小？

Posted 2023-05-08

【中文标题】如何在 PHP 中解析 HTML 以进行缩小？

【英文标题】：How to parse HTML for minification in PHP?

【发布时间】：2011-03-10 04:41:56

【问题描述】：

我正在寻找一种算法来压缩我用 php 编写的 CMS 的 html 输出，并使用 CodeIgniter 框架编写。

我正在考虑尝试删除任何尖括号之间的空格，<script>、<pre> 和 <style> 元素除外，并且为了简单起见简单地忽略这些元素。我应该澄清一下，这是连续标签之间的空白，它们之间没有文字。

我应该如何解析 HTML 以找到我想要删除的空格？

编辑： 首先，我想删除所有不在<pre> 标签中的制表符。这可以用正则表达式来完成，我敢肯定，但有什么替代方案？

【问题讨论】：

如何处理 CSS 声明为 white-space: pre 的元素？

这不是我真正关心的问题，因为我不知道它的存在，<pre> 标签在严格的文档类型中有效。

perfectionkills.com/optimizing-html

我觉得我的标记很干净：cms.timshomepage.net

【参考方案1】：

不要。空格可以忽略不计。最好使用输出压缩，with zlib 或 here for example

【讨论】：

我已经用压缩输出了，想看看能不能成功缩小HTML。

努力并不能证明节省是合理的，而且它可能会在某些时候导致问题，例如 Gordon 提到的。

我意识到这可能不值得付出努力，但我正在努力迎接挑战。

【参考方案2】：

现有的 HTML 缩小方案有问题吗？

Minify 执行 HTML（以及 CSS 和 JS）。

（第二个链接指向源代码，它包含了它所采取的步骤 - 如果您确实想创建自己的，应该是一个很好的帮助 - 它是BSD licensed。）

另外，作为Pete says，通过对 HTML（和 CSS/JS/等）使用 gzip 压缩，您将受益更多，并且不会被 Gordon 提到的问题所困扰在他的评论中。

【讨论】：

我忘记了 Minify 使用 HTML。我已经将它用于 JS 和 CSS 缩小。另外，我很好奇它是否可以在没有这么多正则表达式的情况下完成。我的印象是正则表达式相当低效。

RegEx的问题在于效率较低，而且HTML不是Regular语言，所以不能用regex正确解析。您可以研究 PHP 的 HTML DOM 解析 (php.net/manual/en/book.dom.php) 并考虑编写一些使用该解析的内容，然后再次输出而不使用空格。