将表单标签的内容保留在整个 html 中答案

【问题标题】：keep content of form tag from whole html将表单标签的内容保留在整个 html 中
【发布时间】：2017-03-01 11:45:23
【问题描述】：

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

我正在从不同的站点删除页面，并且页面会在一段时间后加载，并且存在巨大的整页加载器。

我尝试过使用DomDocument 和phpQuery，但没有成功。

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？

【问题讨论】：

标签： php html zend-framework2 domdocument phpquery

【解决方案1】：

如果我理解得很好，有一个网站可以通过 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 中抓取此表单，除非您知道网站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 - 不是由 JavaScript 代码操作的，因此您不能使用 getElementById('#Frmswift')，因为该元素尚不存在。
用于网页抓取的 PHP 不是一个好的选择。我建议您在 Node.js 中或使用 Phantom.js 中执行此操作。

【讨论】：

感谢您的回答。但要做到这一点，我必须专门安装节点来只报废网页。这会很不方便。

【解决方案2】：

编辑

好的，请查看this YouTube 视频。很好地解释了如何使用 chrome 的开发工具，特别是 Network 选项卡（这与 Firefox 非常类似）。因此，请转到包含您问题中的<form> 的网站-> 右键单击并检查元素，然后：

当您在 Network 标签上时，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选项卡中检查每个请求的结果（视频位于屏幕右下角）。您应该可以找到此表单的HTML 来自哪个请求。
然后，如果您成功找到此信息 - 您知道表单来自何处，请在开发者工具控制台中选择此请求（我们现在位于 Network 选项卡上）并再次在底部- 右转到 Headers 子标签。
复制请求 URL - 这是 HTML 表单的来源
检查请求方法

5.1。如果是GET，则使用PHP 的$htmlForm = file_get_contents(URL from point 4); 并继续ORIGINAL POST，因为您将$sampleHtml 替换为$htmlForm。

5.2。如果是 POST，请参阅此 link 或 google search 或 this stackoverflow 答案，然后再次使用结果继续 ORIGINAL POST

原帖

你好_伙计。

我在您的代码 sn-p 中发现一个错误 - 使用 getElementById 时不需要 #

查看以下代码sn-p，如果对你有帮助，请告诉我（详情请参阅cmets）：

$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>

【讨论】：

谢谢，但出现此错误：Fatal error: Uncaught TypeError: Argument 1 passed to DOMDocument::importNode() must be an instance of DOMNode, null given
你的表单是HTML吗？此错误意味着当您将$form 传递给$blankDoc->importNode($form, true) 时，它为空。这让我觉得这个$form = $dom->getElementById('Frmswift'); 返回了null ... 有问题。你能告诉我你在$formData有什么吗？
是的。正如我的问题引用中提到的，表单标签来晚了。请建议我该怎么做？
那么是的，这种方法将不起作用，您需要通过浏览器的开发人员工具准确地预期来自哪个 URL 的表单（当您检查元素时，如另一个答案中所述并查看所有 HTTP 请求） .然后，当您确定此表单来自何处时，如果您需要执行POST 或file_get_content()，则可以使用PHP 的curl 函数GET。我会尝试搜索视频如何做到这一点
好的。感谢您的努力。