使用PHP的DOM文档:: preserveWhiteSpace = false，并仍然得到空白

Question

我刮此页：
http://kat.ph/search/example/?field=seeders&sorder=desc

这样：

... 
curl_setopt($curl, CURLOPT_URL, $url); 
$header = array (
    'Accept:text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8', 
    'Accept-Charset:ISO-8859-1,utf-8;q=0.7,*;q=0.3', 
    'Accept-Encoding:gzip,deflate,sdch', 
    'Accept-Language:en-US,en;q=0.8', 
    'Cache-Control:max-age=0', 
    'Connection:keep-alive', 
    'Host:kat.ph', 
    'User-Agent:Mozilla/5.0 (Macintosh; Intel Mac OS X 10_6_8) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.142 Safari/535.19', 
); 
curl_setopt($curl, CURLOPT_USERAGENT, 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_6_8) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.142 Safari/535.19'); 
curl_setopt($curl, CURLOPT_HTTPHEADER, $header); 
curl_setopt($curl, CURLOPT_REFERER, 'http://kat.ph'); 
curl_setopt($curl, CURLOPT_ENCODING, 'gzip,deflate,sdch'); 
curl_setopt($curl, CURLOPT_AUTOREFERER, true); 
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1); 
curl_setopt($curl, CURLOPT_TIMEOUT, 10); 

$html = curl_exec($curl); 
$dom = new DOMDocument; 
$dom->preserveWhiteSpace = FALSE; 
@$dom->loadHTML($html); 

（只好模仿浏览器这工作，因此CURL）

但我仍然得到DOMNodes类型#text其中只包含空白字符。

任何想法，为什么会发生这种情况，以及如何避免它？

Answer 1

看起来像preserveWhiteSpace属性只是sets libxml2 XML_PARSE_NOBLANKS标志，这并不总是可靠的，因为this thread暗示。特别是，在不使用DTD的情况下解析，因为在这种情况下解析器在某些情况下（主要是如果它们是其他非文本元素的同胞）保留空的文本元素。

线程可能有点过时，但行为still exists as described。