Question

我正在尝试检查html文档，以确保body标记上方的标记正确无误。如果发现删除它的错误。

以下是我要测试的可接受标签列表。

<head>
<title>
<style>
<base>
<link>
<meta>
<script>
<noscript>

我有一个html页面，在head部分有一个锚标记，它不应该这样我希望删除整个标记。

<html>
<head>
<meta>
<title></title>
<meta>
<link> 
<style></style>
<script></script>
<a></a>
<script></script>
</head>
<body>

我使用下面的代码列出了标签名称。它没有按顺序在doc上列出它们，但是按顺序它应该就像它正在纠正html结构一样。

$html = file_get_contents($url);

$doc = new DOMDocument();
@$doc->loadHTML($html);

$nodes = $doc->getElementsByTagName('*');

foreach($nodes as $item ){

echo $item->nodeName.'<br>';

}

它实际上将错开放置标记前面的开放体标记移动了。

<html>
<head>
<meta>
<title></title>
<meta>
<link> 
<style></style>
<script></script>
<body>    
<a></a>
<script></script>

关于如何测试开放式正文标记上方的html标记是否正确以及删除那些不是标记的html标记的任何想法或建议都将不胜感激。

Answer 1

DOMDocument会在文档的头部或正文中遇到意外标记时发出警告，因此您可以在脚本中启用错误报告，并使用DOMDocument的输出作为指导您的HTML是否符合要求。使用上面的示例：

<?php
ini_set('display_errors', 1);      // turn error display on
error_reporting(E_ALL | E_STRICT); // display all errors!

$html = '<html>
<head>
<meta>
<title></title>
<meta>
<link>
<style></style>
<script></script>
<a></a>
<script></script>
</head>
<body>
</body>
</html>';

$d = new DOMDocument;
$d->loadHTML($html);  // don't suppress errors when loading the HTML

这给出了输出：

警告：DOMDocument :: loadHTML（）：意外的结束标记：头部在实体中，第24行的test.php中的第11行

警告：DOMDocument :: loadHTML（）：htmlParseStartTag：实体中的错误标记，第24行的test.php中的第12行

您可以保存文档，并将放错位置的元素移动到正确的位置：

echo $d->saveHTML();

输出：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><head><meta><title></title><meta><link><style></style><script></script></head><body><a></a>
<script></script><article></article></body></html>

请注意，默认情况下，doctype设置为html 4.0，并且<a>元素现在位于正文中;任何html5标记，例如<article>或<section>都会被删除。

说了这么多，如果你想验证你的文档语法，你最好通过W3C Validator（可以在本地下载和安装）或nu validator运行你的html，这会增加（部分）html5验证，作为libxml，DOMDocument充当接口，不验证html5文档。

Answer 2

也许你会考虑使用Tidy扩展，其唯一的目的是整理你的标记？：）

php - 在正文标记上方测试HTML标记名称

2 个答案: