Question

我正在尝试使用DOMDocument清理一些糟糕的HTML。 html有一个<div class="article">元素，而<br/><br/>代替</p><p> - 我想将这些元素复制到段落中......但似乎无法将我的节点恢复为原始文档：

//load entire doc
$doc = new DOMDocument();
$doc->loadHTML($htm);
$xpath = new DOMXpath($doc);
//get the article
$article = $xpath->query("//div[@class='article']")->parentNode;
//get as string
$article_htm =   $doc->saveXML($article);
//regex the bad markup
$article_htm2 = preg_replace('/<br\/><br\/>/i', '</p><p>', $article_htm);

//create new doc w/ new html string
$doc2 = new DOMDocument();
$doc2->loadHTML($article_htm2);
$xpath2 = new DOMXpath($doc2);

//get the original article node
$article_old = $xpath->query("//div[@class='article']");
//get the new article node
$article_new = $xpath2->query("//div[@class='article']");

//replace original node with new node
$article->replaceChild($article_old, $article_new);
$article_htm_new = $doc->saveXML();

//dump string
var_dump($article_htm_new);

我得到的是一个500内部服务器错误...不确定我做错了什么。

Answer 1

有几个问题：

$xpath->query返回nodeList，而不是节点。您必须从nodeList
replaceChild（）期望第一个参数是新节点，第二个是要替换的节点
$ article_new是另一个文档的一部分，您首先必须将该节点导入$ doc

固定代码：

//load entire doc
$doc = new DOMDocument();
$doc->loadHTML($htm);
$xpath = new DOMXpath($doc);
//get the article
$article = $xpath->query("//div[@class='article']")->item(0)->parentNode;
//get as string
$article_htm =   $doc->saveXML($article);
//regex the bad markup
$article_htm2 = preg_replace('/<br\/><br\/>/i', '</p>xxx<p>', $article_htm);

//create new doc w/ new html string
$doc2 = new DOMDocument();
$doc2->loadHTML($article_htm2);
$xpath2 = new DOMXpath($doc2);

//get the original article node
$article_old = $xpath->query("//div[@class='article']")->item(0);
//get the new article node
$article_new = $xpath2->query("//div[@class='article']")->item(0);

//import the new node into $doc
$article_new=$doc->importNode($article_new,true);

//replace original node with new node
$article->replaceChild($article_new, $article_old);
$article_htm_new = $doc->saveHTML();

//dump string
var_dump($article_htm_new);

您可以创建$ article_htm2的DocumentFragment而不是使用2个文档，并将此片段用作替换。

Answer 2

我认为应该是

$article->parentNode->replaceChild($article_old, $article_new);

这篇文章本身并不是孩子。

在PHP中使用DOMDocument替换html

2 个答案: