如何忽略 CDATA 标签？答案

【问题标题】：How to ignore CDATA tags?如何忽略 CDATA 标签？
【发布时间】：2012-04-08 22:46:28
【问题描述】：

我正在尝试制作一个 html 解析器，但是当我加载 html 时，我会收到这样的警告

警告：DOMDocument::loadHTML() [domdocument.loadhtml]: Invalid char in CDATA 0x1C in Entity, line: 1302

这是我使用的代码

class Parser
{
public $url=null;
public $html=null;
public $tidy=null;
public $head=null;
public $head_xpath=null;


function __construct($url){
    $this->url=$url;
    $this->html=file_get_contents($this->url);
    $this->tidy=tidy_parse_string($this->html);
    $this->head=new DOMDocument();
    $this->head->loadHTML($this->tidy->head());
    $this->head_xpath= new DOMXPath($this->head);

}
}

$x=new Parser("http://www.guardian.co.uk/politics/2012/mar/24/vince-cable-coalition-banking-row");

我四处寻找并找到了 LIBXML_NOCDATA 常量，但我不知道如何设置它。那我怎么能完全忽略 CDATA？

【问题讨论】：

而且我想在内容中盲目替换它不是一种选择，因为它可能在某些文章中？
你想从这个 HTML 页面解析什么？
@Artjom Kurapov 我尝试用 str_replace 替换 cdata 标签，但它仍然给出警告，我不能总是确定我删除了它们，因为有些人写它们像 //（这里有很多空格）
我放这个页面是因为里面有cdata。我正在寻找一般的元标记
你能从 xml 中发布违规行吗？如果它是格式正确的 cdata，则不应抛出该错误。看起来你可能有字符编码问题。

标签： php cdata libxml2

【解决方案1】：

$this->html = preg_replace('~//\s*?<!\[CDATA\[\s*|\s*//\]\]>~', '', $this->html);

应该可以，但还没有真正测试过。

【讨论】：