如何解析部分HTML？

Question

我想在PHP中解析一些HTML與DOM，但我有一些問題。首先，如果這改變了解決方案，我擁有的HTML不是整頁，而只是它的一部分。

<!-- This is the HTML that I have --><a href='/games/'> 
<div id='game'> 
<img src='http://images.example.com/games.gif' width='300' height='137' border='0'> 
<br><b> Game </b> 
</div> 
<div id='double'> 
<img src='http://images.example.com/double.gif' width='300' height='27' border='0' alt='' title=''> 
</div> 
</a> 

現在我試圖得到唯一的ID爲double的股利。我試過下面的代碼，但它似乎沒有正常工作。我可能會做錯什麼？

//The HTML has been loaded into the variable $html 
$dom=new domDocument; 
$dom->loadHTML($html); 
$dom->preserveWhiteSpace = false; 
$keepme = $dom->getElementById('double'); 

$contents = '<div style="text-align:center">'.$keepme.'</a></div>'; 
echo $contents; 

Answer 1

我想DOMDocument::getElementById不會工作你的情況：（報價）

對於此功能工作，你會 需要或者設置一些ID與DOMElement::setIdAttribute或 DTD定義屬性 類型ID爲 的屬性。
在後一種情況下，你 需要使用此功能與DOMDocument::validate或 DOMDocument->validateOnParse來驗證文檔 之前。

一個解決方案，可能會使用一些XPath query提取您正在尋找的單元工作。

首先，讓我們來加載HTML部分，就像你第一次做：

$dom=new domDocument; 
$dom->loadHTML($html); 
var_dump($dom->saveHTML()); 

的var_dump這裏只是爲了證明HTML部分已成功加載 - 從它的輸出來看，它有。

然後，實例化的DOMXPath類，並用它來查詢元素你想：

$xpath = new DOMXpath($dom); 
$result = $xpath->query("//*[@id = 'double']"); 
$keepme = $result->item(0); 

我們現在必須元素，你想;-)

但，爲了將HTML內容注入到另一個HTML片段中，我們必須首先獲取它的HTML內容。

我不記得任何「簡單」的方法來做到這一點，但像這樣做前人的精力的伎倆：

$tempDom = new DOMDocument(); 
$tempImported = $tempDom->importNode($keepme, true); 
$tempDom->appendChild($tempImported); 
$newHtml = $tempDom->saveHTML(); 
var_dump($newHtml); 

而且......我們有你的double<div> HTML內容：

現在

string '<div id="double"> 
<img src="http://images.example.com/double.gif" width="300" height="27" border="0" alt="" title=""> 
</div> 
' (length=125) 

，你就必須做任何你想做的事情;-)

Answer 2

HTML整潔應該能夠「糾正」破碎的和零散的HTML文件，把它們變成東西，可以使用其他工具來解析

http://devzone.zend.com/article/761

整齊的擴展名是新的PHP 5, ，並且可從PHP版本 5.0b3向上獲得。它基於TidyLib庫，並允許 開發人員驗證，修復和 從PHP內部解析HTML，XHTML和XML文檔 。

Answer 3

從

DomDocument::getElementById

對於這個函數來工作，你將需要 要麼設置一些屬性ID與 ::一個DOMElement setIdAttribute或 DTD定義的屬性爲ID類型的 。在後一種情況下，您需要使用此函數在 之前使用DOMDocument :: validate或 驗證文檔 DOMDocument-> validateOnParse 。

對於一些更多的信息

• Simplify PHP DOM XML parsing - how?
• How do you parse and process HTML/XML in PHP?

而且因爲總會有人提到用正則表達式做早晚，這裏是你可以使用該模式： /<div id='double'>(.*)<\/div>/simU

在addi您可以使用常規字符串函數來提取div部分，例如

$div = strstr($html, '<div id="double">'); 
$div = substr($div, 0, strpos($div, '</div>') + 6); 
echo $div; 

雖然我同意，你不應該使用正則表達式或字符串函數用於解析 HTML或XML，我發現它絕對好做，只要你唯一關心的是得到這個單格從碎片。把事情簡單化。

Answer 4

一個XML文檔只能在根級別有一個元素。可能的話，HTML解析器也有類似的要求。嘗試將內容包裝在 <body/>標記中。

好像是別的。 This page描述了可能的原因。我建議你使用XPath來獲取元素。

Answer 5

該片段是HTML，但要通過DOM解析它應該是XHTML。 每個打開的標籤必須關閉。

你的情況，這意味着你應該<br />和<img ... >與<img ... />