Question

我正在尝试解析一些不在我服务器上的HTML

    $dom = new DOMDocument();
    $dom->loadHTMLfile("http://www.some-site.org/page.aspx");      
    echo    $dom->getElementById('his_id')->item(0);

但是php会返回类似ID his_id already defined in http://www.some-site.org/page.aspx, line: 33的错误。我认为那是因为DOMDocument正在处理无效的html。那么，即使无效，我怎么解析呢？

Answer 1

在解析之前，您应该在其上运行HTML Tidy进行清理。

$html = file_get_contents('http://www.some-site.org/page.aspx');
$config = array(
  'clean' => 'yes',
  'output-html' => 'yes',
);
$tidy = tidy_parse_string($html, $config, 'utf8');
$tidy->cleanRepair();
$dom = new DOMDocument;
$dom->loadHTML($tidy);

请参阅此list of options。

Answer 2

看看：libxml_use_internal_errors（）

http://php.net/libxml_use_internal_errors

Answer 3

阅读文档，我看到$dom->strictErrorChecking默认为TRUE。如果您设置$dom->strictErrorChecking = false会怎样？

PHP解析无效的html

3 个答案: