htmlを完全に圧縮する正規表現

Question

$compress = str_replace("\t", '', $compress);
$compress = str_replace("\r", '', $compress);
$compress = str_replace("\n", '', $compress);
echo $compress;

簡単に上記でhtmlを圧縮しているのですが、正規表現の勉強がてら完全圧縮を目指しています。

●タグ間のスペースも削除 例）

<p></p> <p></p> → <p></p><p></p>

●タグ間のスペースも削除 除外例） こういうのはこのまま

<p> あ</p> → <p> あ</p>

●コメント削除 例）

<p><!-- --></p> → <p></p>

●コメント削除 除外例） こういうのはこのまま（改行がある場合も）

<script><!-- --></script> → <script><!-- --></script>

上記の置き換えで悩んでおります。
よろしくお願い致します。

Comments

[Zuishin]

正規表現で行うのはかなりの茨の道です。DOM を使うことをお勧めします。とりあえず、改行全削除はお勧めしません。改行はスペースに置換してください。でないと内容が変わります。

[helloman]

返信ありがとうございます。具体的な使用方法を説明したサイトとかありますか？今、パッと探してみましたがよくわかりませんでした。m_ _m

Answer 1

HTML の中身を解釈しながらでないと正しく圧縮できないと思いますから、正規表現でどうこうするのではなく、Zuishin さんもコメントされているように、DOM で扱って処理するべきですね。
そもそも正規表現だと、行をまたいだ場合に普通に破綻しますから。

Answer 2

DOM の具体的な使用方法を説明したサイトなら山ほどありますので、「HTML DOM」でググってみてください。

また、DOM ではありませんが、HTML の圧縮をする kangax/html-minifier というのをみつけました。ソースがついていますので、読んでみてはいかがでしょう？
解析にはこれだけ手間がかかるんだということがわかると思います。

Comments

[helloman]

ありがとうございます。早速見てみます。