使用 PhpWord 隐藏 HTML：错误 - DOMDocument::loadXML()：实体中未定义 p 上的命名空间前缀 o
Covert HTML with PhpWord: error - DOMDocument::loadXML(): Namespace prefix o on p is not defined in Entity
我正在尝试用 Php 字转换 HTML 格式。
我用 summernote 创建了一个 html 表格。 Summernote 允许用户格式化文本。此文本使用 html 标记保存到数据库中。
接下来使用phpWord，我想将捕获的信息输出到word文档中。请看下面的代码：
$rational = DB::table('rationals')->where('qualificationheader_id',$qualId)->value('rational');
$wordTest = new \PhpOffice\PhpWord\PhpWord();
$newSection = $wordTest->addSection();
$newSection->getStyle()->setPageNumberingStart(1);
\PhpOffice\PhpWord\Shared\Html::addHtml($newSection,$rational);
$footer = $newSection->addFooter();
$footer->addText($curriculum->curriculum_code.'-'.$curriculum->curriculum_title);
$objectWriter = \PhpOffice\PhpWord\IOFactory::createWriter($wordTest,'Word2007');
try {
$objectWriter->save(storage_path($curriculum->curriculum_code.'-'.$curriculum->curriculum_title.'.docx'));
} catch (Exception $e) {
}
return response()->download(storage_path($curriculum->curriculum_code.'-'.$curriculum->curriculum_title.'.docx'));
保存在数据库中的文本如下所示：
<p class="MsoNormal"><span lang="EN-GB" style="background-image: initial; background-position: initial; background-size: initial; background-repeat: initial; background-attachment: initial; background-origin: initial; background-clip: initial;"><span style="font-family: Arial;">The want for this qualification originated from the energy crisis in
South Africa in 2008 together with the fact that no existing qualifications
currently focuses on energy efficiency as one of the primary solutions. </span><span style="font-family: Arial;">The fact that energy supply remains under
severe pressure demands the development of skills sets that can deliver the
necessary solutions.</span><span style="font-family: Arial;"> </span><o:p></o:p></span></p><p class="MsoNormal"><span lang="EN-GB" style="background-image: initial; background-position: initial; background-size: initial; background-repeat: initial; background-attachment: initial; background-origin: initial; background-clip: initial; font-family: Arial;">This qualification addresses the need from Industry to acquire credible
and certified professionals with specialised skill sets in the energy
efficiency field. The need for this skill set has been confirmed as a global
requirement in few of the International commitment to the reduction of carbon
我收到以下错误：
ErrorException (E_WARNING)
DOMDocument::loadXML(): Namespace prefix o on p is not defined in Entity, line: 1
问题
解析器抱怨您的文本在元素标记中包含名称空间，更具体地说是标记 <o:p> 上的前缀（其中 o: 是前缀）。好像是some kind of formatting for Word.
重现问题
为了重现这个问题，我不得不深入研究一下，因为抛出异常的不是 PHPWord，而是 PHPWord 使用的 DOMDocument。下面的代码使用了 PHPWord 正在使用的 same parsing method 并且应该输出有关该代码的所有警告和通知。
# Make sure to display all errors
ini_set("display_errors", "1");
error_reporting(E_ALL);
$html = '<o:p>Foo <o:b>Bar</o:b></o:p>';
# Set up and parse the code
$doc = new DOMDocument();
$doc->loadXML($html); # This is the line that's causing the warning.
# Print it back
echo $doc->saveXML();
分析
对于格式良好的 HTML 结构，可以在声明中包含名称空间，从而告诉解析器这些前缀实际上是什么。但由于它似乎只是 HTML 将被解析的代码的一部分，所以这是不可能的。
可以在 API 中喂 DOMXPath with the namespace, so that PHPWord can utilize it. Unfortunately, the DOMXPath isn't public，因此不可能。
相反，最好的方法似乎是从标签中去除前缀，并使警告消失。
编辑 2018-10-04：从那以后我发现了一种将前缀保留在标签中并仍然使错误消失的方法，但是执行不是最佳的。如果有人能提出更好的解决方案，请随时编辑我的 post 或发表评论。
解决方案
根据分析，解决方案是去除前缀，反过来我们必须对代码进行预解析。 Since PHPWord is using DOMDocument，我们也可以使用它，并确保我们不需要安装任何（额外的）依赖项。
PHPWord 正在用 loadXML 解析 HTML，这是抱怨格式的函数。在这种方法中可以抑制错误消息，我们将在两种解决方案中都必须这样做。这是通过 passing an additional parameter 到 loadXML 和 loadHTML 函数中完成的。
解决方案 1：预解析为 XML 并删除前缀
第一种方法将 html 代码解析为 XML 并递归遍历树并删除标签名称上出现的所有前缀。
我创建了一个 class 应该可以解决这个问题。
class TagPrefixFixer {
/**
* @desc Removes all prefixes from tags
* @param string $xml The XML code to replace against.
* @return string The XML code with no prefixes in the tags.
*/
public static function Clean(string $xml) {
$doc = new DOMDocument();
/* Load the XML */
$doc->loadXML($xml,
LIBXML_HTML_NOIMPLIED | # Make sure no extra BODY
LIBXML_HTML_NODEFDTD | # or DOCTYPE is created
LIBXML_NOERROR | # Suppress any errors
LIBXML_NOWARNING # or warnings about prefixes.
);
/* Run the code */
self::removeTagPrefixes($doc);
/* Return only the XML */
return $doc->saveXML();
}
private static function removeTagPrefixes(DOMNode $domNode) {
/* Iterate over each child */
foreach ($domNode->childNodes as $node) {
/* Make sure the element is renameable and has children */
if ($node->nodeType === 1) {
/* Iterate recursively over the children.
* This is done before the renaming on purpose.
* If we rename this element, then the children, the element
* would need to be moved a lot more times due to how
* renameNode works. */
if($node->hasChildNodes()) {
self::removeTagPrefixes($node);
}
/* Check if the tag contains a ':' */
if (strpos($node->tagName, ':') !== false) {
print $node->tagName;
/* Get the last part of the tag name */
$parts = explode(':', $node->tagName);
$newTagName = end($parts);
/* Change the name of the tag */
self::renameNode($node, $newTagName);
}
}
}
}
private static function renameNode($node, $newName) {
/* Create a new node with the new name */
$newNode = $node->ownerDocument->createElement($newName);
/* Copy over every attribute from the old node to the new one */
foreach ($node->attributes as $attribute) {
$newNode->setAttribute($attribute->nodeName, $attribute->nodeValue);
}
/* Copy over every child node to the new node */
while ($node->firstChild) {
$newNode->appendChild($node->firstChild);
}
/* Replace the old node with the new one */
$node->parentNode->replaceChild($newNode, $node);
}
}
要使用代码，只需调用 TagPrefixFixer::Clean 函数。
$xml = '<o:p>Foo <o:b>Bar</o:b></o:p>';
print TagPrefixFixer::Clean($xml);
输出
<?xml version="1.0"?>
<p>Foo <b>Bar</b></p>
解决方案 2：预解析为 HTML
我注意到如果你使用 loadHTML 而不是 loadXML 那 PHPWord is using 它会在将 HTML 加载到 [=144 时删除前缀本身=].
此代码明显更短。
function cleanHTML($html) {
$doc = new DOMDocument();
/* Load the HTML */
$doc->loadHTML($html,
LIBXML_HTML_NOIMPLIED | # Make sure no extra BODY
LIBXML_HTML_NODEFDTD | # or DOCTYPE is created
LIBXML_NOERROR | # Suppress any errors
LIBXML_NOWARNING # or warnings about prefixes.
);
/* Immediately save the HTML and return it. */
return $doc->saveHTML();
}
要使用此代码，只需调用 cleanHTML 函数
$html = '<o:p>Foo <o:b>Bar</o:b></o:p>';
print cleanHTML($html);
输出
<p>Foo <b>Bar</b></p>
解决方案 3：保留前缀并添加命名空间
在将数据输入解析器之前，我尝试用给定的 Microsoft Office namespaces 包装代码，这也将解决问题。具有讽刺意味的是，我还没有找到一种在不实际引发原始警告的情况下使用 DOMDocument 解析器添加名称空间的方法。所以 - 这个解决方案的执行有点老套，我不建议使用它，而是构建你自己的。但是你明白了：
function addNamespaces($xml) {
$root = '<w:wordDocument
xmlns:w="http://schemas.microsoft.com/office/word/2003/wordml"
xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"
xmlns:o="urn:schemas-microsoft-com:office:office">';
$root .= $xml;
$root .= '</w:wordDocument>';
return $root;
}
要使用此代码，只需调用 addNamespaces 函数
$xml = '<o:p>Foo <o:b>Bar</o:b></o:p>';
print addNamespaces($xml);
输出
<w:wordDocument
xmlns:w="http://schemas.microsoft.com/office/word/2003/wordml"
xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"
xmlns:o="urn:schemas-microsoft-com:office:office">
<o:p>Foo <o:b>Bar</o:b></o:p>
</w:wordDocument>
然后可以将此代码提供给 PHPWord 函数 addHtml 而不会引起任何警告。
可选解决方案（已弃用）
在之前的回复中，这些是作为（可选）解决方案提出的，但为了解决问题，我将把它们放在下面。请记住，其中 none 是推荐的，应谨慎使用。
关闭警告
因为它是 "just" 警告而不是致命的停止异常，您可以关闭警告。您可以通过在脚本顶部包含此代码来执行此操作。然而，这仍然会减慢您的应用程序，最好的方法是始终确保没有警告或错误。
// Show the default reporting except from warnings
error_reporting(E_ALL & ~E_NOTICE & ~E_STRICT & ~E_DEPRECATED & ~E_WARNING);
设置来源于default reporting level。
使用正则表达式
在将其保存到数据库之前，或者在获取它以用于此函数之后，（可能）有可能摆脱（大多数）带有 regex on your text 的命名空间。由于它已经存储在数据库中，因此最好在从数据库中获取后使用下面的代码。尽管正则表达式可能会错过一些事件，或者在最坏的情况下会弄乱 HTML.
正则表达式:
$text_after = preg_replace('/[a-zA-Z]+:([a-zA-Z]+[=>])/', '', $text_before);
例子:
$text = '<o:p>Foo <o:b>Bar</o:b></o:p>';
$text = preg_replace('/[a-zA-Z]+:([a-zA-Z]+[=>])/', '', $text);
echo $text; // Outputs '<p>Foo <b>Bar</b></p>'
我正在尝试用 Php 字转换 HTML 格式。
我用 summernote 创建了一个 html 表格。 Summernote 允许用户格式化文本。此文本使用 html 标记保存到数据库中。
接下来使用phpWord，我想将捕获的信息输出到word文档中。请看下面的代码：
$rational = DB::table('rationals')->where('qualificationheader_id',$qualId)->value('rational');
$wordTest = new \PhpOffice\PhpWord\PhpWord();
$newSection = $wordTest->addSection();
$newSection->getStyle()->setPageNumberingStart(1);
\PhpOffice\PhpWord\Shared\Html::addHtml($newSection,$rational);
$footer = $newSection->addFooter();
$footer->addText($curriculum->curriculum_code.'-'.$curriculum->curriculum_title);
$objectWriter = \PhpOffice\PhpWord\IOFactory::createWriter($wordTest,'Word2007');
try {
$objectWriter->save(storage_path($curriculum->curriculum_code.'-'.$curriculum->curriculum_title.'.docx'));
} catch (Exception $e) {
}
return response()->download(storage_path($curriculum->curriculum_code.'-'.$curriculum->curriculum_title.'.docx'));
保存在数据库中的文本如下所示：
<p class="MsoNormal"><span lang="EN-GB" style="background-image: initial; background-position: initial; background-size: initial; background-repeat: initial; background-attachment: initial; background-origin: initial; background-clip: initial;"><span style="font-family: Arial;">The want for this qualification originated from the energy crisis in
South Africa in 2008 together with the fact that no existing qualifications
currently focuses on energy efficiency as one of the primary solutions. </span><span style="font-family: Arial;">The fact that energy supply remains under
severe pressure demands the development of skills sets that can deliver the
necessary solutions.</span><span style="font-family: Arial;"> </span><o:p></o:p></span></p><p class="MsoNormal"><span lang="EN-GB" style="background-image: initial; background-position: initial; background-size: initial; background-repeat: initial; background-attachment: initial; background-origin: initial; background-clip: initial; font-family: Arial;">This qualification addresses the need from Industry to acquire credible
and certified professionals with specialised skill sets in the energy
efficiency field. The need for this skill set has been confirmed as a global
requirement in few of the International commitment to the reduction of carbon
我收到以下错误：
ErrorException (E_WARNING) DOMDocument::loadXML(): Namespace prefix o on p is not defined in Entity, line: 1
问题
解析器抱怨您的文本在元素标记中包含名称空间，更具体地说是标记 <o:p> 上的前缀（其中 o: 是前缀）。好像是some kind of formatting for Word.
重现问题
为了重现这个问题，我不得不深入研究一下，因为抛出异常的不是 PHPWord，而是 PHPWord 使用的 DOMDocument。下面的代码使用了 PHPWord 正在使用的 same parsing method 并且应该输出有关该代码的所有警告和通知。
# Make sure to display all errors
ini_set("display_errors", "1");
error_reporting(E_ALL);
$html = '<o:p>Foo <o:b>Bar</o:b></o:p>';
# Set up and parse the code
$doc = new DOMDocument();
$doc->loadXML($html); # This is the line that's causing the warning.
# Print it back
echo $doc->saveXML();
分析
对于格式良好的 HTML 结构，可以在声明中包含名称空间，从而告诉解析器这些前缀实际上是什么。但由于它似乎只是 HTML 将被解析的代码的一部分，所以这是不可能的。
可以在 API 中喂 DOMXPath with the namespace, so that PHPWord can utilize it. Unfortunately, the DOMXPath isn't public，因此不可能。
相反，最好的方法似乎是从标签中去除前缀，并使警告消失。
编辑 2018-10-04：从那以后我发现了一种将前缀保留在标签中并仍然使错误消失的方法，但是执行不是最佳的。如果有人能提出更好的解决方案，请随时编辑我的 post 或发表评论。
解决方案
根据分析，解决方案是去除前缀，反过来我们必须对代码进行预解析。 Since PHPWord is using DOMDocument，我们也可以使用它，并确保我们不需要安装任何（额外的）依赖项。
PHPWord 正在用 loadXML 解析 HTML，这是抱怨格式的函数。在这种方法中可以抑制错误消息，我们将在两种解决方案中都必须这样做。这是通过 passing an additional parameter 到 loadXML 和 loadHTML 函数中完成的。
解决方案 1：预解析为 XML 并删除前缀
第一种方法将 html 代码解析为 XML 并递归遍历树并删除标签名称上出现的所有前缀。
我创建了一个 class 应该可以解决这个问题。
class TagPrefixFixer {
/**
* @desc Removes all prefixes from tags
* @param string $xml The XML code to replace against.
* @return string The XML code with no prefixes in the tags.
*/
public static function Clean(string $xml) {
$doc = new DOMDocument();
/* Load the XML */
$doc->loadXML($xml,
LIBXML_HTML_NOIMPLIED | # Make sure no extra BODY
LIBXML_HTML_NODEFDTD | # or DOCTYPE is created
LIBXML_NOERROR | # Suppress any errors
LIBXML_NOWARNING # or warnings about prefixes.
);
/* Run the code */
self::removeTagPrefixes($doc);
/* Return only the XML */
return $doc->saveXML();
}
private static function removeTagPrefixes(DOMNode $domNode) {
/* Iterate over each child */
foreach ($domNode->childNodes as $node) {
/* Make sure the element is renameable and has children */
if ($node->nodeType === 1) {
/* Iterate recursively over the children.
* This is done before the renaming on purpose.
* If we rename this element, then the children, the element
* would need to be moved a lot more times due to how
* renameNode works. */
if($node->hasChildNodes()) {
self::removeTagPrefixes($node);
}
/* Check if the tag contains a ':' */
if (strpos($node->tagName, ':') !== false) {
print $node->tagName;
/* Get the last part of the tag name */
$parts = explode(':', $node->tagName);
$newTagName = end($parts);
/* Change the name of the tag */
self::renameNode($node, $newTagName);
}
}
}
}
private static function renameNode($node, $newName) {
/* Create a new node with the new name */
$newNode = $node->ownerDocument->createElement($newName);
/* Copy over every attribute from the old node to the new one */
foreach ($node->attributes as $attribute) {
$newNode->setAttribute($attribute->nodeName, $attribute->nodeValue);
}
/* Copy over every child node to the new node */
while ($node->firstChild) {
$newNode->appendChild($node->firstChild);
}
/* Replace the old node with the new one */
$node->parentNode->replaceChild($newNode, $node);
}
}
要使用代码，只需调用 TagPrefixFixer::Clean 函数。
$xml = '<o:p>Foo <o:b>Bar</o:b></o:p>';
print TagPrefixFixer::Clean($xml);
输出
<?xml version="1.0"?>
<p>Foo <b>Bar</b></p>
解决方案 2：预解析为 HTML
我注意到如果你使用 loadHTML 而不是 loadXML 那 PHPWord is using 它会在将 HTML 加载到 [=144 时删除前缀本身=].
此代码明显更短。
function cleanHTML($html) {
$doc = new DOMDocument();
/* Load the HTML */
$doc->loadHTML($html,
LIBXML_HTML_NOIMPLIED | # Make sure no extra BODY
LIBXML_HTML_NODEFDTD | # or DOCTYPE is created
LIBXML_NOERROR | # Suppress any errors
LIBXML_NOWARNING # or warnings about prefixes.
);
/* Immediately save the HTML and return it. */
return $doc->saveHTML();
}
要使用此代码，只需调用 cleanHTML 函数
$html = '<o:p>Foo <o:b>Bar</o:b></o:p>';
print cleanHTML($html);
输出
<p>Foo <b>Bar</b></p>
解决方案 3：保留前缀并添加命名空间
在将数据输入解析器之前，我尝试用给定的 Microsoft Office namespaces 包装代码，这也将解决问题。具有讽刺意味的是，我还没有找到一种在不实际引发原始警告的情况下使用 DOMDocument 解析器添加名称空间的方法。所以 - 这个解决方案的执行有点老套，我不建议使用它，而是构建你自己的。但是你明白了：
function addNamespaces($xml) {
$root = '<w:wordDocument
xmlns:w="http://schemas.microsoft.com/office/word/2003/wordml"
xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"
xmlns:o="urn:schemas-microsoft-com:office:office">';
$root .= $xml;
$root .= '</w:wordDocument>';
return $root;
}
要使用此代码，只需调用 addNamespaces 函数
$xml = '<o:p>Foo <o:b>Bar</o:b></o:p>';
print addNamespaces($xml);
输出
<w:wordDocument
xmlns:w="http://schemas.microsoft.com/office/word/2003/wordml"
xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"
xmlns:o="urn:schemas-microsoft-com:office:office">
<o:p>Foo <o:b>Bar</o:b></o:p>
</w:wordDocument>
然后可以将此代码提供给 PHPWord 函数 addHtml 而不会引起任何警告。
可选解决方案（已弃用）
在之前的回复中，这些是作为（可选）解决方案提出的，但为了解决问题，我将把它们放在下面。请记住，其中 none 是推荐的，应谨慎使用。
关闭警告
因为它是 "just" 警告而不是致命的停止异常，您可以关闭警告。您可以通过在脚本顶部包含此代码来执行此操作。然而，这仍然会减慢您的应用程序，最好的方法是始终确保没有警告或错误。
// Show the default reporting except from warnings
error_reporting(E_ALL & ~E_NOTICE & ~E_STRICT & ~E_DEPRECATED & ~E_WARNING);
设置来源于default reporting level。
使用正则表达式
在将其保存到数据库之前，或者在获取它以用于此函数之后，（可能）有可能摆脱（大多数）带有 regex on your text 的命名空间。由于它已经存储在数据库中，因此最好在从数据库中获取后使用下面的代码。尽管正则表达式可能会错过一些事件，或者在最坏的情况下会弄乱 HTML.
正则表达式:
$text_after = preg_replace('/[a-zA-Z]+:([a-zA-Z]+[=>])/', '', $text_before);
例子:
$text = '<o:p>Foo <o:b>Bar</o:b></o:p>';
$text = preg_replace('/[a-zA-Z]+:([a-zA-Z]+[=>])/', '', $text);
echo $text; // Outputs '<p>Foo <b>Bar</b></p>'