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>Â Â Â "At that point
这就是Chromium所看到的:
<p>Â Â Â "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。
答案 0 :(得分:3)
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> "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。
答案 1 :(得分:0)
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。