在PHP中提取HTML内Jinja语法并转换为可操作标签的方案问询

我需要从HTML中提取Jinja语法并将其转换为前端可操作的真实标签。目前用preg_replace_callback实现，但这个方法只对短字符串有效，处理不了包含嵌套条件语句的大段内容。

比如这段包含Jinja条件的HTML：

<span>{% if is_vardiya %}</span><span style="font-size: 10pt"> </span>
      </p>
      <p style="margin-top: 0pt; margin-bottom: 0pt; text-align: justify">
        <span style="-aw-import: ignore">&#xa0;</span>
      </p>
      <p
        style="
          margin-top: 0pt;
          margin-bottom: 0pt;
          text-align: justify;
          font-size: 12pt;
        "
      >
        <span
          >Çalışan.
        </span>
      </p>
      <p
        style="
          margin-top: 0pt;
          margin-bottom: 0pt;
          text-align: justify;
          font-size: 12pt;
        "
      >
        <span>{% endif %}</span>

我需要获取{% if is_vardiya %}和{% endif %}之间的内容，同时要支持处理嵌套的if块。我知道正则不是处理HTML和这类模板语法的合适方案，希望能得到更有效的解决方案。

我尝试的PHP代码如下：

$html = preg_replace_callback(
    '/{%\s*(p if|if)\s*(?:\w+)(?:[\w=!\'. ]*)\s*%}([\w\s+<\/>="-:;])*(?:{%\s*(p if|if)\s*(?:\w+)(?:[\w=!\'. ]*)\s*%}[\w\s+<\/>="-:;]*(?:{%\s*else\s*%}[\w\s+<\/>="-:;]*)*{%\s*(p endif|endif)\s*%}([\w\s+<\/>="-:;])*|(?R))*([\w\s+<\/>="-:;])*(?:{%\s*else\s*%}[\w\s+<\/>="-:;]+)*{%\s*(p endif|endif)\s*%}/',
    function ($matches) {
        $matches[0] = preg_replace('/\\r/', '', $matches[0]);
        $matches[0] = preg_replace('/\\n/', '', $matches[0]);
        preg_match_all('/{%\s*(p if|if)\s*(?:\w+)(?:[\w=!\'. ]*)\s*%}([\w\s+<\/>="-:;])*{%\s*(p endif|endif)\s*%}/', $matches[0], $subconditions,PREG_OFFSET_CAPTURE);
        if(count($subconditions[0])>0) {
            $allSubconditions = $subconditions[0];
            if($allSubconditions[0][1] != 0) {
                // to-do : create recursive function to support infinite if inside if
                foreach ($allSubconditions as $condition) {
                    $subconditionString = $this->subconditionExpression($condition[0]);
                    $matches[0] = str_replace($condition[0], $subconditionString, $matches[0]);
                }
            }
        }
        return $this->createMainConditionExpression($matches[0]);
    },
    $html
);

1. 使用Jinja兼容的模板引擎（推荐） #

直接用PHP实现的Jinja兼容引擎（比如Twig，语法和Jinja高度匹配）来处理，它能原生支持嵌套条件解析：

• 将带Jinja标签的HTML作为模板加载，通过引擎的抽象语法树（AST）功能提取条件块信息。
• 解析后可以精准获取每个条件的表达式和内部内容，再转换为前端需要的标签格式。

示例代码思路：

// 初始化Twig环境
$loader = new \Twig\Loader\ArrayLoader(['template' => $html]);
$twig = new \Twig\Environment($loader);

// 获取模板的AST结构
$tokenStream = $twig->tokenize($html);
$ast = $twig->parse($tokenStream);

// 遍历AST节点提取条件块
foreach ($ast->getNode('body') as $node) {
    if ($node instanceof \Twig\Node\IfNode) {
        // 获取if条件表达式
        $conditionExpr = $node->getNode('tests')->getNode(0)->getNode('expr')->getAttribute('value');
        // 编译if块内的内容为HTML字符串
        $ifContent = $twig->compile($node->getNode('tests')->getNode(0)->getNode('body'));
        
        // 这里将条件和内容转换为前端标签，比如生成带data属性的容器
        $convertedTag = sprintf('<div data-if="%s">%s</div>', htmlspecialchars($conditionExpr), $ifContent);
        // 后续可以替换原内容或收集结果
    }
}

2. 手动编写状态机解析 #

如果不想依赖第三方库，可以写一个状态机遍历字符串，跟踪Jinja标签的嵌套层级：

• 定义状态：正常文本、识别Jinja标签开始、解析标签内容、识别标签结束。
• 遇到{% if ... %}时增加嵌套层级并开始记录内容；遇到{% endif %}时减少层级，层级归0时结束当前条件块的记录。
• 这种方法能准确处理嵌套结构，也能兼容复杂HTML。

示例代码：

$html = htmlspecialchars_decode($html); // 先还原HTML实体，避免干扰
$content = $html;
$len = strlen($content);
$pos = 0;
$currentBlock = [];
$nestLevel = 0;
$inBlock = false;
$results = [];

while ($pos < $len) {
    $startTag = strpos($content, '{%', $pos);
    if ($startTag === false) break;

    // 记录标签前的内容（如果处于条件块内）
    if ($startTag > $pos && $inBlock) {
        $currentBlock['content'] .= substr($content, $pos, $startTag - $pos);
    }

    $endTag = strpos($content, '%}', $startTag);
    if ($endTag === false) break;

    $tagContent = trim(substr($content, $startTag + 2, $endTag - $startTag - 2));
    $pos = $endTag + 2;

    if (str_starts_with($tagContent, 'if ')) {
        $nestLevel++;
        if ($nestLevel == 1) {
            $inBlock = true;
            $currentBlock = [
                'condition' => trim(substr($tagContent, 3)),
                'content' => ''
            ];
        } elseif ($inBlock) {
            // 嵌套if，保留标签本身
            $currentBlock['content'] .= "{% $tagContent %}";
        }
    } elseif ($tagContent === 'endif') {
        $nestLevel--;
        if ($nestLevel == 0) {
            // 条件块结束，加入结果集
            $results[] = $currentBlock;
            $inBlock = false;
        } elseif ($inBlock) {
            // 嵌套endif，保留标签
            $currentBlock['content'] .= '{% endif %}';
        }
    } elseif ($inBlock) {
        // 其他Jinja标签（如else），直接加入内容
        $currentBlock['content'] .= "{% $tagContent %}";
    }
}

// 处理结果集，转换为前端标签
foreach ($results as $block) {
    echo '<div data-condition="' . htmlspecialchars($block['condition']) . '">' . $block['content'] . '</div>';
}

3. 预处理：还原HTML实体 #

注意到你提供的HTML包含<、"这类实体字符，建议先用htmlspecialchars_decode将其还原为真实的HTML标签，再进行解析，避免实体字符干扰标签匹配逻辑。

内容的提问来源于stack exchange，提问作者Tushar Sharma