Code Coverage
 
Lines
Functions and Methods
Classes and Traits
Total
0.00% covered (danger)
0.00%
0 / 179
0.00% covered (danger)
0.00%
0 / 12
CRAP
0.00% covered (danger)
0.00%
0 / 1
TestUtils
0.00% covered (danger)
0.00%
0 / 179
0.00% covered (danger)
0.00%
0 / 12
3080
0.00% covered (danger)
0.00%
0 / 1
 encodeXml
0.00% covered (danger)
0.00%
0 / 1
0.00% covered (danger)
0.00%
0 / 1
2
 normalizeAbout
0.00% covered (danger)
0.00%
0 / 1
0.00% covered (danger)
0.00%
0 / 1
2
 normalizeOut
0.00% covered (danger)
0.00%
0 / 57
0.00% covered (danger)
0.00%
0 / 1
72
 stripParsoidIds
0.00% covered (danger)
0.00%
0 / 1
0.00% covered (danger)
0.00%
0 / 1
2
 cleanSpans
0.00% covered (danger)
0.00%
0 / 9
0.00% covered (danger)
0.00%
0 / 1
42
 unwrapSpan
0.00% covered (danger)
0.00%
0 / 3
0.00% covered (danger)
0.00%
0 / 1
2
 newlineAround
0.00% covered (danger)
0.00%
0 / 4
0.00% covered (danger)
0.00%
0 / 1
6
 normalizeIEWVisitor
0.00% covered (danger)
0.00%
0 / 50
0.00% covered (danger)
0.00%
0 / 1
650
 unwrapSpansAndNormalizeIEW
0.00% covered (danger)
0.00%
0 / 9
0.00% covered (danger)
0.00%
0 / 1
2
 normalizePhpOutput
0.00% covered (danger)
0.00%
0 / 7
0.00% covered (danger)
0.00%
0 / 1
2
 normalizeHTML
0.00% covered (danger)
0.00%
0 / 29
0.00% covered (danger)
0.00%
0 / 1
6
 colorString
0.00% covered (danger)
0.00%
0 / 8
0.00% covered (danger)
0.00%
0 / 1
42
1<?php
2declare( strict_types = 1 );
3
4namespace Wikimedia\Parsoid\ParserTests;
5
6use Error;
7use Exception;
8use Wikimedia\Parsoid\DOM\Comment;
9use Wikimedia\Parsoid\DOM\Element;
10use Wikimedia\Parsoid\DOM\Node;
11use Wikimedia\Parsoid\DOM\Text;
12use Wikimedia\Parsoid\Html2Wt\DOMNormalizer;
13use Wikimedia\Parsoid\Html2Wt\SerializerState;
14use Wikimedia\Parsoid\Html2Wt\WikitextSerializer;
15use Wikimedia\Parsoid\Mocks\MockEnv;
16use Wikimedia\Parsoid\Utils\ContentUtils;
17use Wikimedia\Parsoid\Utils\DOMCompat;
18use Wikimedia\Parsoid\Utils\DOMDataUtils;
19use Wikimedia\Parsoid\Utils\DOMUtils;
20use Wikimedia\Parsoid\Utils\Utils;
21use Wikimedia\Parsoid\Utils\WTUtils;
22
23/**
24 * This class contains helper functions which should not be directly used
25 * outside of Parsoid.
26 *
27 * Per T332457, most of the code in Wikimedia\Parsoid\ParserTests is
28 * "for use in parser test runners only", including the core parser
29 * test runner, but this file is "more internal" than that: core's
30 * parser test runner should not use these helpers directly.
31 *
32 * @internal
33 */
34class TestUtils {
35    /** @var mixed */
36    private static $consoleColor;
37
38    /**
39     * Little helper function for encoding XML entities.
40     *
41     * @param string $str
42     * @return string
43     */
44    public static function encodeXml( string $str ): string {
45        // PORT-FIXME: Find replacement
46        // return entities::encodeXML( $str );
47        return $str;
48    }
49
50    /**
51     * Strip the actual about id from the string
52     * @param string $str
53     * @return string
54     */
55    public static function normalizeAbout( string $str ): string {
56        return preg_replace( "/(about=\\\\?[\"']#mwt)\d+/", '$1', $str );
57    }
58
59    /**
60     * Specialized normalization of the PHP parser & Parsoid output, to ignore
61     * a few known-ok differences in parser test runs.
62     *
63     * This code is also used by the Parsoid round-trip testing code.
64     *
65     * If parsoidOnly is true-ish, we allow more markup through (like property
66     * and typeof attributes), for better checking of parsoid-only test cases.
67     *
68     * @param Element|string $domBody
69     * @param array $options
70     *  - parsoidOnly (bool) Is this test Parsoid Only? Optional. Default: false
71     *  - preserveIEW (bool) Should inter-element WS be preserved? Optional. Default: false
72     *  - hackyNormalize (bool) Apply the normalizer to the html. Optional. Default: false
73     * @return string
74     */
75    public static function normalizeOut( $domBody, array $options = [] ): string {
76        $parsoidOnly = !empty( $options['parsoidOnly'] );
77        $preserveIEW = !empty( $options['preserveIEW'] );
78
79        if ( !empty( $options['hackyNormalize'] ) ) {
80            // Mock env obj
81            //
82            // FIXME: This is ugly.
83            // (a) The normalizer shouldn't need the full env.
84            //     Pass options and a logger instead?
85            // (b) DOM diff code is using page-id for some reason.
86            //     That feels like a carryover of 2013 era code.
87            //     If possible, get rid of it and diff-mark dependency
88            //     on the env object.
89            $mockEnv = new MockEnv( [] );
90            $mockSerializer = new WikitextSerializer( $mockEnv, [] );
91            $mockState = new SerializerState( $mockSerializer, [ 'selserMode' => false ] );
92            if ( is_string( $domBody ) ) {
93                // Careful about the lifetime of this document
94                $doc = ContentUtils::createDocument( $domBody );
95                $domBody = DOMCompat::getBody( $doc );
96            }
97            DOMDataUtils::visitAndLoadDataAttribs( $domBody, [ 'markNew' => true ] );
98            ( new DOMNormalizer( $mockState ) )->normalize( $domBody );
99            DOMDataUtils::visitAndStoreDataAttribs( $domBody );
100        } elseif ( is_string( $domBody ) ) {
101            $domBody = DOMCompat::getBody( DOMUtils::parseHTML( $domBody ) );
102        }
103
104        $stripTypeof = $parsoidOnly ?
105            '/^mw:Placeholder$/' :
106            '/^mw:(?:DisplaySpace|Placeholder|Nowiki|Transclusion|Entity)$/';
107        $domBody = self::unwrapSpansAndNormalizeIEW( $domBody, $stripTypeof, $parsoidOnly, $preserveIEW );
108        $out = ContentUtils::toXML( $domBody, [ 'innerXML' => true ] );
109        // NOTE that we use a slightly restricted regexp for "attribute"
110        //  which works for the output of DOM serialization.  For example,
111        //  we know that attribute values will be surrounded with double quotes,
112        //  not unquoted or quoted with single quotes.  The serialization
113        //  algorithm is given by:
114        //  http://www.whatwg.org/specs/web-apps/current-work/multipage/the-end.html#serializing-html-fragments
115        if ( !preg_match( '#[^<]*(<\w+(\s+[^\0-\cZ\s"\'>/=]+(="[^"]*")?)*/?>[^<]*)*#u', $out ) ) {
116            throw new Error( 'normalizeOut input is not in standard serialized form' );
117        }
118
119        // Eliminate a source of indeterminacy from leaked strip markers
120        $out = preg_replace( '/UNIQ-.*?-QINU/u', '', $out );
121
122        // Normalize COINS ids -- they aren't stable
123        $out = preg_replace( '/\s?id=[\'"]coins_\d+[\'"]/iu', '', $out );
124
125        // maplink extension
126        $out = preg_replace( '/\s?data-overlays=\'[^\']*\'/u', '', $out );
127
128        // unnecessary attributes, we don't need to check these.
129        $unnecessaryAttribs = 'data-parsoid|prefix|about|rev|datatype|inlist|usemap|vocab';
130        if ( $parsoidOnly ) {
131            $unnecessaryAttribs = "/ ($unnecessaryAttribs)=";
132            $out = preg_replace( $unnecessaryAttribs . '\\\\?"[^\"]*\\\\?"/u', '', $out );
133            $out = preg_replace( $unnecessaryAttribs . "\\\\?'[^\']*\\\\?'/u", '', $out ); // single-quoted variant
134            $out = preg_replace( $unnecessaryAttribs . '&apos;.*?&apos;/u', '', $out ); // apos variant
135            if ( !$options['externallinktarget'] ) {
136                $out = preg_replace( '/ nofollow/', '', $out );
137                $out = str_replace( ' rel="nofollow"', '', $out );
138                $out = preg_replace( '/ noreferrer noopener/', '', $out );
139            }
140
141            // strip self-closed <nowiki /> because we frequently test WTS
142            // <nowiki> insertion by providing an html/parsoid section with the
143            // <meta> tags stripped out, allowing the html2wt test to verify that
144            // the <nowiki> is correctly added during WTS, while still allowing
145            // the html2html and wt2html versions of the test to pass as a
146            // validity check.  If <meta>s were not stripped, these tests would all
147            // have to be modified and split up.  Not worth it at this time.
148            // (see commit 689b22431ad690302420d049b10e689de6b7d426)
149            $out = preg_replace( '#<span typeof="mw:Nowiki"></span>#', '', $out );
150
151            return $out;
152        }
153
154        // Normalize headings by stripping out Parsoid-added ids so that we don't
155        // have to add these ids to every parser test that uses headings.
156        // We will test the id generation scheme separately via mocha tests.
157        $out = preg_replace( '/(<h[1-6].*?) id="[^\"]*"([^>]*>)/u', '$1$2', $out );
158        // strip meta/link elements
159        $out = preg_replace(
160            '#</?(?:meta|link)(?: [^\0-\cZ\s"\'>/=]+(?:=(?:"[^"]*"|\'[^\']*\'))?)*/?>#u',
161            '', $out );
162        // Ignore troublesome attributes.
163        // In addition to attributes listed above, strip other Parsoid-inserted attributes
164        // since these won't be present in legacay parser output.
165        $attribTroubleRE = "/ ($unnecessaryAttribs|data-mw|resource|rel|property|class)=\\\\?";
166        $out = preg_replace( $attribTroubleRE . '"[^"]*\\\\?"/u', '', $out );
167        $out = preg_replace( $attribTroubleRE . "'[^']*\\\\?'/u", '', $out ); // single-quoted variant
168        // strip typeof last
169        $out = preg_replace( '/ typeof="[^\"]*"/u', '', $out );
170        $out = self::stripParsoidIds( $out );
171        $out = preg_replace( '/<span[^>]+about="[^"]*"[^>]*>/u', '', $out );
172        $out = preg_replace( '#(\s)<span>\s*</span>\s*#u', '$1', $out );
173        $out = preg_replace( '#<span>\s*</span>#u', '', $out );
174        $out = preg_replace( '#(href=")(?:\.?\./)+#u', '$1', $out );
175        // replace unnecessary URL escaping
176        $out = preg_replace_callback( '/ href="[^"]*"/u', static function ( $m ) {
177            return Utils::decodeURI( $m[0] );
178        }, $out );
179        // strip thumbnail size prefixes
180        return preg_replace(
181            '#(src="[^"]*?)/thumb(/[0-9a-f]/[0-9a-f]{2}/[^/]+)/[0-9]+px-[^"/]+(?=")#u', '$1$2',
182            $out
183        );
184    }
185
186    /**
187     * Strip Parsoid ID attributes (id="mwXX", used to associate NodeData) from an HTML string
188     * @param string $s
189     * @return string
190     */
191    public static function stripParsoidIds( string $s ): string {
192        return preg_replace( '/ id="mw([-\w]{2,})"/u', '', $s );
193    }
194
195    private static function cleanSpans(
196        Node $node, ?string $stripSpanTypeof
197    ): void {
198        if ( !$stripSpanTypeof ) {
199            return;
200        }
201
202        $child = null;
203        $next = null;
204        for ( $child = $node->firstChild; $child; $child = $next ) {
205            $next = $child->nextSibling;
206            if ( $child instanceof Element && DOMCompat::nodeName( $child ) === 'span' &&
207                preg_match( $stripSpanTypeof, DOMCompat::getAttribute( $child, 'typeof' ) ?? '' )
208            ) {
209                self::unwrapSpan( $node, $child, $stripSpanTypeof );
210            }
211        }
212    }
213
214    private static function unwrapSpan(
215        Node $parent, Node $node, ?string $stripSpanTypeof
216    ): void {
217        // first recurse to unwrap any spans in the immediate children.
218        self::cleanSpans( $node, $stripSpanTypeof );
219        // now unwrap this span.
220        DOMUtils::migrateChildren( $node, $parent, $node );
221        $parent->removeChild( $node );
222    }
223
224    private static function newlineAround( ?Node $node ): bool {
225        return $node && preg_match(
226            '/^(body|caption|div|dd|dt|li|p|table|tr|td|th|tbody|dl|ol|ul|h[1-6])$/D',
227            DOMCompat::nodeName( $node )
228        );
229    }
230
231    private static function normalizeIEWVisitor(
232        Node $node, array $opts
233    ): Node {
234        $child = null;
235        $next = null;
236        $prev = null;
237        if ( DOMCompat::nodeName( $node ) === 'pre' ) {
238            // Preserve newlines in <pre> tags
239            $opts['inPRE'] = true;
240        }
241        if ( !$opts['preserveIEW'] && $node instanceof Text ) {
242            if ( !$opts['inPRE'] ) {
243                $node->data = preg_replace( '/\s+/u', ' ', $node->data );
244            }
245            if ( $opts['stripLeadingWS'] ) {
246                $node->data = preg_replace( '/^\s+/u', '', $node->data, 1 );
247            }
248            if ( $opts['stripTrailingWS'] ) {
249                $node->data = preg_replace( '/\s+$/uD', '', $node->data, 1 );
250            }
251        }
252        // unwrap certain SPAN nodes
253        self::cleanSpans( $node, $opts['stripSpanTypeof'] );
254        // now remove comment nodes
255        if ( !$opts['parsoidOnly'] ) {
256            for ( $child = $node->firstChild;  $child;  $child = $next ) {
257                $next = $child->nextSibling;
258                if ( $child instanceof Comment ) {
259                    $node->removeChild( $child );
260                }
261            }
262        }
263        // reassemble text nodes split by a comment or span, if necessary
264        if ( $node instanceof Element ) {
265            DOMCompat::normalize( $node );
266        }
267        // now recurse.
268        if ( DOMCompat::nodeName( $node ) === 'pre' ) {
269            // hack, since PHP adds a newline before </pre>
270            $opts['stripLeadingWS'] = false;
271            $opts['stripTrailingWS'] = true;
272        } elseif (
273            DOMCompat::nodeName( $node ) === 'span' &&
274            DOMUtils::matchTypeOf( $node, '/^mw:/' )
275        ) {
276            // SPAN is transparent; pass the strip parameters down to kids
277        } else {
278            $opts['stripLeadingWS'] = $opts['stripTrailingWS'] = self::newlineAround( $node );
279        }
280        $child = $node->firstChild;
281        // Skip over the empty mw:FallbackId <span> and strip leading WS
282        // on the other side of it.
283        if ( $child && DOMUtils::isHeading( $node ) && WTUtils::isFallbackIdSpan( $child ) ) {
284            $child = $child->nextSibling;
285        }
286        for ( ; $child; $child = $next ) {
287            $next = $child->nextSibling;
288            $newOpts = $opts;
289            $newOpts['stripTrailingWS'] = $opts['stripTrailingWS'] && !$child->nextSibling;
290            self::normalizeIEWVisitor( $child, $newOpts );
291            $opts['stripLeadingWS'] = false;
292        }
293
294        if ( $opts['inPRE'] || $opts['preserveIEW'] ) {
295            return $node;
296        }
297
298        // now add newlines around appropriate nodes.
299        for ( $child = $node->firstChild;  $child; $child = $next ) {
300            $prev = $child->previousSibling;
301            $next = $child->nextSibling;
302            if ( self::newlineAround( $child ) ) {
303                if ( $prev instanceof Text ) {
304                    $prev->data = preg_replace( '/\s*$/uD', "\n", $prev->data, 1 );
305                } else {
306                    $prev = $node->ownerDocument->createTextNode( "\n" );
307                    $node->insertBefore( $prev, $child );
308                }
309                if ( $next instanceof Text ) {
310                    $next->data = preg_replace( '/^\s*/u', "\n", $next->data, 1 );
311                } else {
312                    $next = $node->ownerDocument->createTextNode( "\n" );
313                    $node->insertBefore( $next, $child->nextSibling );
314                }
315            }
316        }
317        return $node;
318    }
319
320    /**
321     * Normalize newlines in IEW to spaces instead.
322     *
323     * @param Element $body The document body node to normalize.
324     * @param ?string $stripSpanTypeof Regular expression to strip typeof attributes
325     * @param bool $parsoidOnly
326     * @param bool $preserveIEW
327     * @return Element
328     */
329    public static function unwrapSpansAndNormalizeIEW(
330        Element $body, ?string $stripSpanTypeof = null, bool $parsoidOnly = false, bool $preserveIEW = false
331    ): Element {
332        $opts = [
333            'preserveIEW' => $preserveIEW,
334            'parsoidOnly' => $parsoidOnly,
335            'stripSpanTypeof' => $stripSpanTypeof,
336            'stripLeadingWS' => true,
337            'stripTrailingWS' => true,
338            'inPRE' => false
339        ];
340        // clone body first, since we're going to destructively mutate it.
341        // @phan-suppress-next-line PhanTypeMismatchReturnSuperType
342        return self::normalizeIEWVisitor( $body->cloneNode( true ), $opts );
343    }
344
345    /**
346     * Strip some php output we aren't generating.
347     *
348     * @param string $html
349     * @return string
350     */
351    public static function normalizePhpOutput( string $html ): string {
352        return preg_replace(
353            // do not expect section editing for now
354            '/<span[^>]+class="mw-headline"[^>]*>(.*?)<\/span> '
355            . '*(<span class="mw-editsection"><span class="mw-editsection-bracket">'
356            . '\[<\/span>.*?<span class="mw-editsection-bracket">\]<\/span><\/span>)?/u',
357            '$1',
358            $html
359        );
360    }
361
362    /**
363     * Normalize the expected parser output by parsing it using a HTML5 parser and
364     * re-serializing it to HTML. Ideally, the parser would normalize inter-tag
365     * whitespace for us. For now, we fake that by simply stripping all newlines.
366     *
367     * @param string $source
368     * @return string
369     */
370    public static function normalizeHTML( string $source ): string {
371        try {
372            $body = self::unwrapSpansAndNormalizeIEW( DOMCompat::getBody( DOMUtils::parseHTML( $source ) ) );
373            $html = ContentUtils::toXML( $body, [ 'innerXML' => true ] );
374
375            // a few things we ignore for now..
376            //  .replace(/\/wiki\/Main_Page/g, 'Main Page')
377            // do not expect a toc for now
378            $html = preg_replace(
379                '/<div[^>]+?id="toc"[^>]*>\s*<div id="toctitle"[^>]*>[\s\S]+?<\/div>[\s\S]+?<\/div>\s*/u',
380                '',
381                $html );
382            $html = self::normalizePhpOutput( $html );
383            // remove empty span tags
384            $html = preg_replace( '/(\s)<span>\s*<\/span>\s*/u', '$1', $html );
385            $html = preg_replace( '/<span>\s*<\/span>/u', '', $html );
386            // general class and titles, typically on links
387            $html = preg_replace( '/ (class|rel|about|typeof)="[^"]*"/', '', $html );
388            // strip red link markup, we do not check if a page exists yet
389            $html = preg_replace(
390                "#/index.php\\?title=([^']+?)&amp;action=edit&amp;redlink=1#", '/wiki/$1', $html );
391            // strip red link title info
392            $html = preg_replace(
393                "/ \\((?:page does not exist|encara no existeix|bet ele jaratılmaǵan|lonkásá  ezalí tɛ̂)\\)/",
394                '', $html );
395            // the expected html has some extra space in tags, strip it
396            $html = preg_replace( '/<a +href/', '<a href', $html );
397            $html = preg_replace( '#href="/wiki/#', 'href="', $html );
398            $html = preg_replace( '/" +>/', '">', $html );
399            // parsoid always add a page name to lonely fragments
400            $html = preg_replace( '/href="#/', 'href="Main Page#', $html );
401            // replace unnecessary URL escaping
402            $html = preg_replace_callback( '/ href="[^"]*"/',
403                static function ( $m ) {
404                    return Utils::decodeURI( $m[0] );
405                },
406                $html );
407            // strip empty spans
408            $html = preg_replace( '#(\s)<span>\s*</span>\s*#u', '$1', $html );
409            return preg_replace( '#<span>\s*</span>#u', '', $html );
410        } catch ( Exception $e ) {
411            error_log( 'normalizeHTML failed on' . $source . ' with the following error: ' . $e );
412            return $source;
413        }
414    }
415
416    /**
417     * @param string $string
418     * @param string $color
419     * @param bool $inverse
420     * @return string
421     * @suppress PhanUndeclaredClassMethod
422     * @suppress UnusedSuppression
423     */
424    public static function colorString(
425        string $string, string $color, bool $inverse = false
426    ): string {
427        if ( $inverse ) {
428            $color = [ $color, 'reverse' ];
429        }
430
431        if ( !self::$consoleColor ) {
432            // Attempt to instantiate this class to determine if the
433            // (optional) php-console-color library is installed.
434            try {
435                self::$consoleColor = new \PHP_Parallel_Lint\PhpConsoleColor\ConsoleColor();
436            } catch ( Error $e ) {
437                /* fall back to no-color mode */
438            }
439        }
440
441        if ( self::$consoleColor && self::$consoleColor->isSupported() ) {
442            return self::$consoleColor->apply( $color, $string );
443        } else {
444            return $string;
445        }
446    }
447}