PHP中的DOM操作答案

【问题标题】：DOM manipulation in PHPPHP中的DOM操作
【发布时间】：2010-09-06 20:00:40
【问题描述】：

我正在寻找在 PHP 中处理 HTML 的好方法。例如，我目前遇到的问题是处理格式错误的 HTML。

我收到的输入看起来像这样：

<div>This is some <b>text

如您所见，HTML 缺少结束标记。我可以使用正则表达式或 XML 解析器来解决这个问题。但是，将来我可能不得不进行其他 DOM 操作。我想知道是否有任何好的 PHP 库可以处理 DOM 操作，类似于 Javascript 处理 DOM 操作的方式。

【问题讨论】：

我会先通过 HTML Purifier 运行格式错误的 HTML，然后再对其进行任何操作。

标签： php html dom

【解决方案1】：

PHP 有a PECL extension that gives you access to the features of HTML Tidy。 Tidy 是一个非常强大的库，它应该能够以智能的方式接收类似的代码并关闭标签。

我用它来清理分类广告系统在导入之前发送给我的格式错误的 XML 和 HTML。

【讨论】：

【解决方案2】：

对于操作 DOM，我认为您正在寻找的是 this。我曾经从网络上解析 HTML 文档，对我来说效果很好。

【讨论】：

【解决方案3】：

我发现 PHP Simple HTML DOM 是迄今为止最有用和最直接的库。我会说比 PECL 更好。

我在how to use it to scrape myspace artist tour dates 上写过一篇文章（只是一个例子。）这是php simple html dom parser. 的链接

【讨论】：

【解决方案4】：

现在内置的 DOM 库可以轻松解决这个问题。 loadHTML 方法将接受格式错误的 XML，而 load 方法则不会。

$d = new DOMDocument;
$d->loadHTML('<div>This is some <b>text');
$d->saveHTML();

输出将是：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html>
  <body>
    <div>This is some <b>text</b></div>
  </body>
</html>

【讨论】：

我输入了一个类似的答案，其中包含更多关于字符串编码以及如何提取文档片段here