防止 HTML Tidy 弄乱元标记（架构标记）

Question

我在使用 HTML Tidy（最新版本 -- https://html-tidy.org）时遇到严重问题。

简而言之：HTML 整齐地转换这些行 HTML 代码

<div class="breadcrumbs" typeof="BreadcrumbList" vocab="http://schema.org/">
<div class="wrap">
    <span property="itemListElement" typeof="ListItem">
        <a property="item" typeof="WebPage" title="Codes Category" href="https://mysite.works/codes/" class="taxonomy category">
            <span property="name">Codes</span>
        </a>
        <meta property="position" content="1">
    </span>
</div>

进入这些代码行 -- 请仔细查看 META TAGS placement。

<div class="breadcrumbs" typeof="BreadcrumbList" vocab="http://schema.org/">
<div class="wrap">
    <span property="itemListElement" typeof="ListItem">
        <a property="item" typeof="WebPage" title="Codes Category" href="https://mysite.works/codes/" class="taxonomy category">
            <span property="name">Codes</span>
        </a>
    </span>
    <meta property="position" content="1">
</div>

这会导致模式验证出现一些严重问题。您可以在此处查看代码：https://search.google.com/structured-data/testing-tool/u/0/

由于这个问题，客户端的（URL：https://techswami.in）面包屑导航在搜索结果中不可见。

我在美化什么？

我的客户希望我使 his/her 网站的源代码看起来 "clean, readable and tidy"。

所以我使用这些代码行使其适用于 him/her。

注意：此代码在以下 WordPress 设置上 100% 完美运行。

带有 FastCGI 的 Nginx Cache/MariaDB
PHP7
Ubuntu 18.04.1
最新的 WordPress 并与每个缓存插件兼容。

代码：

if( !is_user_logged_in() || !is_admin() ) {
function callback($buffer) {
    $tidy = new Tidy();
    $options = array('indent' => true, 'markup' => true, 'indent-spaces' => 2, 'tab-size' => 8, 'wrap' => 180, 'wrap-sections' => true, 'output-html' => true, 'hide-comments' => true, 'tidy-mark' => false);
    $tidy->parseString("$buffer", $options);
    $tidy->cleanRepair();
    $buffer = $tidy;
    return $buffer;
}
function buffer_start() { ob_start("callback"); }
function buffer_end() { if (ob_get_length()) ob_end_flush(); }
add_action('wp_loaded', 'buffer_start');
add_action('shutdown', 'buffer_end');

}

我需要你们提供什么帮助？

你能告诉我如何防止 HTML Tidy 弄乱 META 标签吗？我需要参数。

谢谢。

Answer 1

<meta> 标签只能在父元素中使用：<head>、<meta charset>、<meta http-equiv> 此外，<meta> 元素中没有 property 属性。

这些很可能是 HTML-Tidy 清理标记的原因。

来源

Answer 2

首先，我衷心感谢所有试图帮助我的人。

我找到了解决方案，我的解决方案的唯一问题是它没有解决 HTML-Tidy 问题。

所以，现在我没有使用 HTML-Tody，而是使用了这个：https://github.com/ivanweiler/beautify-html/blob/master/beautify-html.php

我的新密码是：

if( !is_user_logged_in() || !is_admin() ) {
    function callback($buffer) {
        $html = $buffer;
        $beautify = new Beautify_Html(array(
          'indent_inner_html' => false,
          'indent_char' => " ",
          'indent_size' => 2,
          'wrap_line_length' => 32786,
          'unformatted' => ['code', 'pre'],
          'preserve_newlines' => false,
          'max_preserve_newlines' => 32786,
          'indent_scripts'  => 'normal' // keep|separate|normal
        ));

        $buffer = $beautify->beautify($html);
        return $buffer;
    }
    function buffer_start() { ob_start("callback"); }
    function buffer_end() { if (ob_get_length()) ob_end_flush(); }
    add_action('wp_loaded', 'buffer_start');
    add_action('shutdown', 'buffer_end');
}

现在所有与架构标记相关的问题都已得到修复，客户站点的源代码也得到了美化。

Answer 3

只是为了透视，我尝试基于以下内容实现一个最小的独立示例：

你的代码
整洁的示例由 PHP reference Tidy examples

我得到了以下代码：

<?php
ob_start();
?>

<div class="breadcrumbs" typeof="BreadcrumbList" vocab="http://schema.org/">
    <div class="wrap">
        <span property="itemListElement" typeof="ListItem">
            <a property="item" typeof="WebPage" title="Codes Category" href="https://mysite.works/codes/" class="taxonomy category">
                <span property="name">Codes</span>
            </a>
            <meta property="position" content="1">
        </span>
    </div>
</div>

<?php

$buffer = ob_get_clean();
$tidy = new Tidy();
$options = array(
    'indent' => true,
    'markup' => true,
    'indent-spaces' => 2,
    'tab-size' => 8,
    'wrap' => 180,
    'wrap-sections' => true,
    'output-html' => true,
    'hide-comments' => true,
    'tidy-mark' => false
);
$tidy->parseString("$buffer", $options);
$tidy->cleanRepair();

echo $tidy;
?>

关于 Tidy 如何重组您的 HTML 的输出信息非常丰富。开始了：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01//EN">
<html>
  <head>
    <meta property="position" content="1">
    <title></title>
  </head>
  <body>
    <div class="breadcrumbs" typeof="BreadcrumbList" vocab="http://schema.org/">
      <div class="wrap">
        <span property="itemListElement" typeof="ListItem"><a property="item" typeof="WebPage" title="Codes Category" href="https://mysite.works/codes/" class=
        "taxonomy category"><span property="name">Codes</span></a> </span>
      </div>
    </div>
  </body>
</html>

元标记并没有消失，而是被推到了它应该属于的地方，正如其他评论者所指出的那样。

如果您希望 Tidy 只处理 HTML 结构，请添加选项 'input-xml' 并将其设置为 true，例如：

$options = array(
    'indent' => true,
    'markup' => true,
    'indent-spaces' => 2,
    'tab-size' => 8,
    'wrap' => 180,
    'wrap-sections' => true,
    'output-html' => true,
    'hide-comments' => true,
    'tidy-mark' => false,
    'input-xml' => true
);

这将输出以下内容：

<div class="breadcrumbs" typeof="BreadcrumbList" vocab="http://schema.org/">
  <div class="wrap">
    <span property="itemListElement" typeof="ListItem">
      <a property="item" typeof="WebPage" title="Codes Category" href="https://mysite.works/codes/" class="taxonomy category">
        <span property="name">Codes</span>
      </a>
      <meta property="position" content="1"></meta>
    </span>
  </div>
</div>

防止 HTML Tidy 弄乱元标记（架构标记）

Prevent HTML Tidy from messing meta tags ( schema markup )

php

wordpress

html

htmltidy