沃梦达 / 编程问答 / php问题 / 正文

如何防止PHP DOMDocument修复您的HTML字符串

How to prevent the PHP DOMDocument from quot;fixingquot; your HTML string(如何防止PHP DOMDocument修复您的HTML字符串)

本文介绍了如何防止PHP DOMDocument修复您的HTML字符串的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

我一直在尝试使用HTMLDOMObject来解析网页,以便应用程序扫描它们的SEO质量。

然而,我遇到了一点问题。出于测试目的,我编写了一个小的HTML页面,其中包含以下不正确的HTML:

<head>
<meta name="description" content="randomdesciption">
</head>
<title>sometitle</title>

如您所见,标题位于head标记之外,这是我尝试检测的错误。

现在问题来了,当我使用cURL从该页面捕获响应字符串,然后将其发送到DOM文档以将其加载为HTML时,它实际上通过在标题周围添加另一个<head></head>标记来解决这个问题。

<head>
<meta name="description" content="randomdesciption">
</head>
<head><title>sometitle</title></head>

我检查了cURL响应数据,实际上这不是问题所在,在执行loadHTML()方法的过程中,PHP DOMDocument以某种方式修复了html语法。

我还尝试通过将DOMDocument Recover、subsubteEntities和valiateOnParse属性设置为False来关闭它们,但没有成功。

我一直在谷歌上搜索,但到目前为止我找不到任何答案。我想对于某些人来说,真正希望损坏的HTML不被修复的情况有点少见。

有人知道如何防止DOMDocument修复我损坏的HTML吗?

推荐答案

更新:从PHP5.4开始,您可以使用HTML_PARSE_NO_IMPLIED

$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED);

以下是原始答案

你不能。理论上there is a flag HTML_PARSE_NO_IMPLIED for that in libxml阻止添加隐式标记,但无法从PHP访问。

附带说明,此特定行为似乎取决于所使用的LIBXML_VERSION

运行此代码段:

<?php
$html = <<< HTML
<head>
<meta name="description" content="randomdesciption">
</head>
<title>sometitle</title>
HTML;

$dom = new DOMDocument;
$dom->loadHTML($html);
$dom->formatOutput = true;
echo $dom->saveHTML(), LIBXML_VERSION;

在我的计算机上将提供

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html>
<head><meta name="description" content="randomdesciption"></head>
<title>sometitle</title>
</html>
20707

这篇关于如何防止PHP DOMDocument修复您的HTML字符串的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!

本文标题为:如何防止PHP DOMDocument修复您的HTML字符串

基础教程推荐