PHP DOMDocument -获取正文的html源代码
PHP DOMDocument -获取正文的html源代码
提问于 2010-02-27 08:15:35
我使用PHP语言的DOMDocument来解析和规范化用户提交的超文本标记语言，使用loadHTML方法来解析内容，然后通过saveHTML获得格式良好的结果
$dom= new DOMDocument();
$dom->loadHTML('<div><p>Hello World');
$well_formed= $dom->saveHTML();
echo($well_formed);这很好地解析了片段并添加了适当的结束标记。问题是我也得到了一堆我不想要的标签，比如<!DOCTYPE>、<html>、<head>和<body>。我知道每个格式良好的HTML文档都需要这些标记，但是我正在规范化的HTML片段将被插入到现有的有效文档中。
回答 3
Stack Overflow用户
发布于 2010-02-27 08:52:35
问题的快速解决方案是使用xPath表达式获取正文。
$dom= new DOMDocument();
$dom->loadHTML('<div><p>Hello World');
$xpath = new DOMXPath($dom);
$body = $xpath->query('/html/body');
echo($dom->saveXml($body->item(0)));这里有一个警告。有时，当loadHTML遇到格式错误的文档时，它会抛出一个警告。如果你正在解析这类超文本标记语言文档，你需要找到一个better html parser自链接警告。
Stack Overflow用户
发布于 2010-03-12 18:01:19
面对同样的问题，我在DOMDocument周围创建了一个名为SmartDOMDocument的包装器，以克服这一点和其他一些缺点(例如编码问题)。
Stack Overflow用户
发布于 2014-01-04 09:05:34
这篇文章取自另一篇文章，非常适合我的使用：
$layout = preg_replace('~<(?:!DOCTYPE|/?(?:html|head|body))[^>]*>\s*~i', '', $layout);页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/2345670
复制相关文章
相似问题
腾讯云开发者
