Question

我写了一个很长的代码，我不得不从网站上检索很多标签，例如标题，h1，h2，h3，a，p等等。我首先用preg_match做了这个，但很快意识到这个这是错误的做法。所以我开始使用它：

function getTextBetweenTags($string, $tagname){
    $d = new DOMDocument();
    $d->loadHTML($string);
    $return = array();
    foreach($d->getElementsByTagName($tagname) as $item){
        $return[] = $item->textContent;
    }
    return $return;
}

并检索标记：$title = getTextBetweenTags($contents, 'title');

这在testpage上正常使用，这是一个维基百科页面。

但是当我在另一个页面上测试它时，它给了我很多这样的错误：

Warning: DOMDocument::loadHTML() [domdocument.loadhtml]: Input is not proper UTF-8, indicate encoding ! in Entity

在这之后很多：

Warning: DOMDocument::loadHTML() [domdocument.loadhtml]: htmlParseEntityRef: expecting ';' in Entity,

我做了一些研究，发现它期望'&'而不是&，所以在每个'特殊字符'之后它会期望;，但因为它使用{{1}检索内容（file_get_contents）。我真的不想回到$file_contents = file_get_contents($url);（显而易见的原因）所以我想问你们是否知道如何解决我的问题。

提前致谢！

Answer 1

您可以使用libxml_use_internal_errors()解决此问题。目前，每次调用函数时，函数都会调用loadHTML()。我只是在函数外部加载HTML并将其作为参数传递。

$dom = new DOMDocument();
$errorState = libxml_use_internal_errors(TRUE); // don't display errors
$dom->loadHTML($string);
libxml_use_internal_errors($errorState); // reset the state

function getTextBetweenTags(DOMDocument $dom, $string, $tagname) {
    $return = array();
    foreach($dom->getElementsByTagName($tagname) as $item){
        $return[] = $item->textContent;
    }
    return $return;
}

使用示例：

$string = file_get_contents($url);
$title = getTextBetweenTags($dom, $string, 'title');

PHP GetElementsByTagName错误

1 个答案: