Question

我正在使用Zend Framework2并尝试从整个HTML中过滤<form>标记的内容。

我正在从不同的网站上删除页面，一段时间后页面加载，并且有大量的整页加载器。

我尝试使用DomDocument和phpQuery但未获得成功。

这是DomDocument

$htmlForm = new \DOMDocument();
$htmlForm->loadHTML($formData);
$onlyForm = $htmlForm->getElementById('#Frmswift');
echo $htmlForm->saveHTML($onlyForm);

这是phpQuery

$doc = phpQuery::newDocument($formData);
$doc->find('#Frmswift')->parent()->siblings()->remove();
echo pq($doc)->html();

我哪里错了？

Answer 1

如果我很好理解，有一个站点可以在DOM事件或其他方式动态加载HTML表单。如果是这样，那么您将无法在PHP中删除此表单，除非您知道在站点动态加载表单时触发的URL。
检查Chrome的dev tool -> network并查看已发出的XHR请求。

DOMDocument::loadHTML()加载“原始”DOM对象 - 不受JavaScript代码操纵，因此您无法使用getElementById('#Frmswift')，因为此元素尚不存在。
用于网页抓取的PHP不是一个好选择。我建议你在Node.js或使用Phantom.js。

Answer 2

修改

好的，请查看this YouTube视频。很好地解释了如何使用chrome的开发人员工具，特别是网络标签（这在Firefox中非常类似）。所以，请从您的问题中抓住<form>的网站 - ＆gt;右键单击并检查元素，然后：

当您使用网络标签时，您可以过滤列表以仅查看 XHR 请求

浏览请求列表并在响应子标签中检查每个请求的结果（视频位于屏幕的右下角）。您应该从哪个请求中找到此表单的HTML。

然后，如果您成功找到了 - 您知道表单的来源，请在开发人员工具控制台中选择此请求（我们现在位于网络标签上），然后再次在底部 - 转到标题子标签。

复制请求网址 - 这是HTML表单的来源

检查请求方法

5.1。如果是 GET ，则在使用$htmlForm = file_get_contents(URL from point 4);替换$sampleHtml时，使用PHP $htmlForm并继续原始发布。

5.2。如果是 POST ，请参阅此link或google search或this stackoverflow应答，然后再次使用结果原始发布 < / p>

原始帖子

Hello_ mate。

我在您的代码段中发现错误 - 使用#
时您不需要getElementById
检查以下代码段并告诉我它是否对您有所帮助（有关详细信息，请参阅注释）：

$sampleHtml = ' <!DOCTYPE html> <html> <head> <title>External Page Content</title> </head> <body> <h1>Some header</h1> <p>Some lorem text ....</p> <form id="Frmswift"> <input name="input1" type="text"> <input name="input2" type="text"> <textarea name="mytextarea"></textarea> </form> </body> </html>'; $dom = new \DOMDocument(); $dom->loadHTML($sampleHtml); // Where you use getElementById do not put # in front of the selector // This method is working analogically to javascript's getElementById() $form = $dom->getElementById('Frmswift'); // Use second blank document which with hold // the previously selected form $blankDoc = new \DOMDocument(); $blankDoc->appendChild($blankDoc->importNode($form, true)); // using htmlspecialchars just to show the code, // otherwise you will see imputs in the browser - this is just // for the testing purpose. I suppose you will need the $blankDoc // which is holding only the form echo htmlspecialchars($blankDoc->saveHTML()); exit;

输出：

<form id="Frmswift"> <input name="input1" type="text"> <input name="input2" type="text"> <textarea name="mytextarea"></textarea> </form>

从整个html中保留表单标记的内容

2 个答案: