Question

想知道是否有其他人遇到过这个问题，以及他们是否找到了解决方案。

我有一个应用程序使用QueryPath的htmlqp()方法解析网页（我无法控制）。

我遇到的问题是，每当一个页面被解析时，碰巧有一个内嵌<script>标签，其中有一些javacript，它也有一些HTML字符串在其中引用，QueryPath的writeHTML()方法试图修复＆＃34;通过在javascript中放入换行符，结束标记和其他废话来反转HTML，从而打破页面上的所有javascript（在某些情况下，HTML）。

例如：

<script>
     var $jQ = jQuery.noConflict();
     // Use jQuery via $jQ(...)
     $jQ(document).ready(function(){
       $jQ("#mktFrmSubmit").wrap("<div class='buttonSubmit'></div>");
       $jQ(".buttonSubmit").prepend("<span></span>");
     });
   </script>

-becomes -

<script>
     var $jQ = jQuery.noConflict();
     // Use jQuery via $jQ(...)
     $jQ(document).ready(function(){
       $jQ("#mktFrmSubmit").wrap("<div class='buttonSubmit'></script>
</div>");
       $jQ(".buttonSubmit").prepend("<span></span>");
     });

显然，后者明显破裂。

有谁知道如何阻止QueryPath这样做？或者可能只是忽略一般<script>标签中的内容？

感谢。

Answer 1

我们建议使用HTML5-PHP库来解析HTML。 PHP中内置的旧版HTML4.01解析器（通过libxml）对JavaScript来说并不是特别好。但是新的HTML5 PHP库是为处理这种情况而构建的。

这是图书馆：

https://github.com/Masterminds/html5-php

Matt Farina写了一篇很好的介绍，一起使用这两个库：

http://engineeredweb.com/blog/2014/querypath-html5-php/

QueryPath中断了包含HTML字符串的脚本标记

1 个答案: