正しいHTML表現に変えたい

質問

wikipedia
http://ja.wikipedia.org/wiki/%E6%97%A5%E6%9C%AC%E3%81%AE%E3%82%B5%E3%83%83%E3%82%AB%E3%83%BC%E9%81%B8%E6%89%8B%E4%B8%80%E8%A6%A7
http://ja.wikipedia.org/w/index.php?title=%E6%97%A5%E6%9C%AC%E3%81%AE%E3%82%B5%E3%83%83%E3%82%AB%E3%83%BC%E9%81%B8%E6%89%8B%E4%B8%80%E8%A6%A7&action=edit

編集画面に<table>の開始タグを記していないにも関わらず、表示上は
ちゃんと<table>開始タグが記されるようになっています。
同じ事をしたいのですが、どういうコードを書けば実現出来るでしょうか？

対象となる文字列には他のタグもあったり、タグが入れ子構造であったりする
場合もあります。

strpos()を利用して位置関係を調べて整形するやり方やPEAR::XML_HTMLSaxを
利用してみたりなどしてみましたが、実現出来ません。
どなたかご教示下さい。

回答No.1

utano_m

編集画面を良く見てください。

ちゃんと<table>開始タグが書かれていますね。

wikiの文法は１行ごとに完結だったはずなので
文字列リストを配列として読み取って１行づつ評価し
定められた文法句があればタグに変換してHTMLに出力する
といった感じでしょう。

wikiのシステム自体はフリーでダウンロードできますので
ソースコードを解析してみてはどうですか？

お礼

ありがとうございます。
ミッドフィルダー、ディフェンダーの直下には<table>が存在しません。
しかし終了タグはそれぞれ存在します。という不正な記述が成されています。

調べている最中にmediawikiという存在を知りましたが、ファイル数も多く
どこで処理しているかも検討のつかないシステムを解析する時間はありません。
しかも確認した所、mediawikiというのではソースがそのままでは質問にある処理を行ってくれていませんでした。

一刻も早く対応したいのです。