Я пытаюсь разобрать HTML5-код, поэтому я могу установить атрибуты / значения в коде, но, похоже, DOMDocument (PHP5.3) не поддерживает теги, такие как <nav> и <section> .
Есть ли способ проанализировать это как HTML в PHP и управлять кодом?
Код для воспроизведения:
<?php $dom = new DOMDocument(); $dom->loadHTML("<!DOCTYPE HTML> <html><head><title>test</title></head> <body> <nav> <ul> <li>first <li>second </ul> </nav> <section> ... </section> </body> </html>");
ошибка
Предупреждение: DOMDocument :: loadHTML (): тег недействителен в Entity, строка: 4 в /home/wbkrnl/public_html/new-mvc/1.php в строке 17
Предупреждение: DOMDocument :: loadHTML (): раздел тега недействителен в Entity, строка: 10 в /home/wbkrnl/public_html/new-mvc/1.php в строке 17
Нет, нет способа указать конкретный тип doctype для использования или изменить требования существующего.
Лучшим рабочим решением будет отключить отчет об ошибках с помощью libxml_use_internal_errors :
$dom = new DOMDocument; libxml_use_internal_errors(true); $dom->loadHTML('...'); libxml_clear_errors();
Вы также можете сделать
@$dom->loadHTML($htmlString);
Вы можете отфильтровать ошибки, которые вы получаете от анализатора. В соответствии с другими ответами здесь отключите отчет об ошибках на экране, а затем повторите ошибки и покажите только те, которые вы хотите:
libxml_use_internal_errors(TRUE); // Do your load here $errors = libxml_get_errors(); foreach ($errors as $error) { /* @var $error LibXMLError */ }
Вот print_r() одной ошибки:
LibXMLError Object ( [level] => 2 [code] => 801 [column] => 17 [message] => Tag section invalid [file] => [line] => 39 )
Совпадая с message и / или code , их можно легко отфильтровать.
Это сработало для меня:
$html = file_get_contents($url); $search = array("<header>", "</header>", "<nav>", "</nav>", "<section>", "</section>"); $replace = array("<div>", "</div>","<div>", "</div>", "<div>", "</div>"); $html = str_replace($search, $replace, $html); $dom = new DOMDocument(); $dom->loadHTML($html);
Если вам нужен тег заголовка, измените заголовок тегом div и используйте идентификатор. Например:
$search = array("<header>", "</header>"); $replace = array("<div id='header1'>", "</div>");
Это не лучшее решение, но в зависимости от ситуации это может быть полезно.
Удачи.
Кажется, что нет способа убить предупреждения, но не ошибки. PHP имеет константы, которые должны это делать, но они, похоже, не работают. Вот что ДОЛЖНО работать, но не потому что (ошибка?) ….
$doc=new DOMDocument(); $doc->loadHTML("<tagthatdoesnotexist><h1>Hi</h1></tagthatdoesnotexist>", LIBXML_NOWARNING ); echo $doc->saveHTML();
Теги HTML5 почти всегда используют такие атрибуты, как id, class и т. Д. Таким образом, код для замены будет:
$html = file_get_contents($url); $search = array( "<header", "</header>", "<nav", "</nav>", "<section", "</section>", "<article", "</article>", "<footer", "</footer>", "<aside", "</aside>", "<noindex", "</noindex>", ); $replace = array( "<div", "</div>", "<div", "</div>", "<div", "</div>", "<div", "</div>", "<div", "</div>", "<div", "</div>", "<div", "</div>", ); $html = str_replace($search, $replace, $html); $dom = new DOMDocument(); $dom->loadHTML($html);