Question

所以我从API中提取xml，我的目标是将xhtml作为html保存在文件中供用户查看。

问题是，保存的html文件会得到它不应该有的一些新奇怪的实体。这是一个例子。

这是拉动的xhtml片段的样子：

<p>    "At that point

以下是保存文件的样子：

<p>&Acirc;&nbsp;&Acirc;&nbsp;&Acirc;&nbsp; "At that point

这就是Chromium所看到的：

<p>Â&nbsp;Â&nbsp;Â&nbsp; "At that point

从被拉动的xhtml到被保存的，它会被几个不同的类处理，所以为了简单起见，我将简化数据传递的所有对象。

//curl call is initialized here

$raw = curl_exec($ch);

$simplexml = simplexml_load_string($raw);

$xmlstr = $simplexml->xpath($xpath)->asXML();

$html = new DOMDocument;
$html->formatOutput = true;
$wrapper = $html->createElement("div");
$wrapper->setAttribute("id", "wrapper");
$wrapper = $html->appendChild($wrapper);

$content = DOMDocument::loadHTML($xmlstr, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
foreach($content->firstChild->childNodes as $node)
    $wrapper->appendChild($html->importNode($node, TRUE));

$htmlstr = $html->saveHTML();


$html = new DOMDocument;
$html->formatOutput = true;

$content = DOMDocument::loadHTML($htmlstr, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
foreach($content->childNodes as $node)
    $html->appendChild($html->importNode($node, TRUE));

$html_str = $html->saveHTML();

file_put_contents($content_path, $html_str);

是的，它有点复杂，但数据传递相当多，因为它需要添加很多东西。

我只是不明白这些新实体的来源。任何帮助将不胜感激。

Answer 1

我弄清楚我做错了什么。

我用这样的simplexml保存了输出：

$xmlstr = $simplexml->xpath($xpath)->asXML();

这将输出格式化为XML，但稍后，当我将输出导入DOMDoc时，我使用importHTML进行了输出：

$content = DOMDocument::loadHTML($xmlstr, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

我只需使用loadXML而不是loadHTML即可解决问题：

$content = DOMDocument::loadXML($xmlstr, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

现在我的输出是正确的：

<p>&nbsp;&nbsp;&nbsp; "At that point

虽然我要写一个函数来修剪（）这些段落。我不知道为什么会这样提供。

Answer 2

我认为您使用错误的编码来读取或写入.. 首先尝试刷新加载的内容以检查内容是否正确。

PHP - DOMDocument :: saveHTML创建奇怪的实体

2 个答案: