Question

我正在开发一个applet，允许用户输入新闻文章或其他网页（日语）的URL，并在我的页面中的iFrame中查看该页面的内容。这个想法是，一旦内容被加载到页面中，用户可以使用他们的光标突出显示单词，该光标将所选文本存储在一个数组中（用于翻译/添加到个人术语词典）并将文本环绕在一个红色框中（div）根据我的域上定义的样式表。为此，我使用cURL检索外部页面的HTML并将其转储到iFrame的源代码中。

但是，我一直遇到检索到的HTML的主要格式问题。最大的问题是保留样式表，为了解决这个问题，我使用DOMDocument将标签添加到检索到的HTML部分。这适用于某些页面/ URL，但是对于许多其他人来说，输出HTML仍然存在很多样式问题。例如，div图层相互碰撞，对齐关闭，背景缺失。这有点问题，因为我需要将输出HTML嵌入到新的中，以使onClick javascript函数在嵌入式内容中传递文本选择起作用，这意味着生成的源最终看起来像这样：

<div onclick="parent.selectionFunction()" id ="studyContentn">

<!-- HTML of output from cURL, including doctype declarations and <html>,<head> tags -->

</div>

在大多数情况下，我一直遇到的很多格式问题似乎都很随意。我已经尝试使用PHP Tidy来清除HTML中的输出，但这也仅适用于某些页面，但不适用于其他页面。我有点怀疑它可能与使用DOMDocument时奇怪解析的CDATA声明有关，但我不确定。

有没有办法可以保证cURL的HTML输出能够在所有实例中正确，忠实地呈现？或者是否有更好的方法可以做到这一点？我已经尝试了一些不同的方法来解决这个问题，每个方法都接近一个解决方案，但也带来了自己的新问题。

谢谢 - 让我知道我是否可以澄清任何事情。

Answer 1

如果我理解正确，您正在尝试提取完整网页的html并将其显示在您的域下，在您的HTML中。这总是很棘手，很多java脚本会破坏，相对url会出错，正如你所提到的，样式也是如此。您可能还会更改页面显示的尺寸。这些都可以解决，但您将与每个新网站进行艰苦的战斗，或者当前网站更改设计

我可能会对问题采取不同的方法。您可能希望将浏览器插件编写为外部网站的界面。然后您的applet可以位于功能和测试（希望）网站的顶部。然后，您可以专注于您需要为您的applet做什么，而不是一个永无止境的hid问题列表。

Answer 2

我正在尝试做类似的事情。保存格式非常困难，网页中的JS脚本使事情变得复杂。我终于完全放弃了完全显示原始格式的想法，但是做了一个解决方法：

仅选择您感兴趣的标题，链接，列表和段落。
将您的ownsite的域路径添加到链接。
您可以自己的课程包装标题，链接等项目。
显示它在您的情况下，您想要选择文本并存储它，这是另一个主题。我所做的是将HTMl解析为两个级别，然后很容易进行选择。请记住，IE和Firefox / Chrome需要单独处理。

从cURL请求正确格式化HTML

2 个答案: