Question

您好我有一些不会验证的XML。我把问题缩小到了这一点：

<script type="text/javascript">document.getelementbyid("oxm-1f4a4485-5a1d-45f9-a989-9c65a0b9ceb6").src="http://bid.website.net/display?l=h4siaaaaaaaaad2nmq6cqbrenycw7qjyolfccxmregvcoae0u0sly_agtvaewwn4bg_havwbnebpvmzkkzra_kzzdvoloq4u-hjnp7sii0rxcbzz5vl5kxsrds6wtsfbxmcr9chysuhqbecuckb8cvx4m-pbcxugtdrll6d3dqtihnqukth2yvdkptr67cuzfvlxjlinkul9634lpal_h4mwhso8aabzhw1cdcwjxl6xivgv8agrjxjc_gaaaa==&p=h4siaaaaaaaaabxkmq7cmaxaurcqjjrrsfqqsrm7x3fsrwyvosda8qnj_3ojfgb49o45pblq7e80syzjhopggso9wyzpcpntzkxk1ldtbbi7otmxfj9da1wpjcf10vtxdj9e5_utyj19k2lfssepld5agnqaaaa=&url=http%3a%2f%2flocalhost%2fproject-debug%2fproject.html";</script>

我将它放在XML验证器中并吐出来：

此页面包含以下内容错误：第16行第1行的错误： EntityRef：期待';'

关于遗失';'的任何想法应该去？还有其他问题吗？

Answer 1

您的网址中有未转义的＆符号&。它们要么需要（a）更改为字符实体（&），要么（b）包含在CDATA部分中。

CDATA部分允许您保留&未转义的特殊字符，以便最简单：

<script type="text/javascript">
// <![CDATA[
    document.getElementById(...).src="...";
// ]]>
</script>

除了确切的字符序列]]>之外，您可以在CDATA部分中包含您想要的任何内容。 //评论用于确保不理解CDATA部分的浏览器忽略<![CDATA[和]]>标记。

顺便说一句，JavaScript区分大小写。那应该是getElementById而不是getelementbyid。

Answer 2

修改内容并非总是可行，例如，如果您正在抓取网站。

你不能只是str_replace'＆amp;'与'＆amp; amp;'因为html可能包含有效的html实体，你会得到类似“＆amp; amp; amp;”的内容。

这是一个正则表达式，应该用＆符号替换＆符号＆符号，而不会破坏良好的性能：

$html = preg_replace("|&([^;]+?)[\s<&]|","&amp;$1 ",$html);

我用它来刮掉大约700页而没有任何问题：）

验证失败：“EntityRef：expecting';'”

2 个答案: