如何解析部分HTML？

Question

我想在PHP中解析一些HTML与DOM，但我有一些问题。首先，如果这改变了解决方案，我拥有的HTML不是整页，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> 

现在我试图得到唯一的ID为double的股利。我试过下面的代码，但它似乎没有正常工作。我可能会做错什么？

//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不会工作你的情况：（报价）

对于此功能工作，你会 需要或者设置一些ID与DOMElement::setIdAttribute或 DTD定义属性 类型ID为 的属性。
在后一种情况下，你 需要使用此功能与DOMDocument::validate或 DOMDocument->validateOnParse来验证文档 之前。

一个解决方案，可能会使用一些XPath query提取您正在寻找的单元工作。

首先，让我们来加载HTML部分，就像你第一次做：

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

的var_dump这里只是为了证明HTML部分已成功加载 - 从它的输出来看，它有。

然后，实例化的DOMXPath类，并用它来查询元素你想：

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

我们现在必须元素，你想;-)

但，为了将HTML内容注入到另一个HTML片段中，我们必须首先获取它的HTML内容。

我不记得任何“简单”的方法来做到这一点，但像这样做前人的精力的伎俩：

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

而且......我们有你的double<div> HTML内容：

现在

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

，你就必须做任何你想做的事情;-)

Answer 2

HTML整洁应该能够“纠正”破碎的和零散的HTML文件，把它们变成东西，可以使用其他工具来解析

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

整齐的扩展名是新的PHP 5, ，并且可从PHP版本 5.0b3向上获得。它基于TidyLib库，并允许 开发人员验证，修复和 从PHP内部解析HTML，XHTML和XML文档 。

Answer 3

从

DomDocument::getElementById

对于这个函数来工作，你将需要 要么设置一些属性ID与 ::一个DOMElement setIdAttribute或 DTD定义的属性为ID类型的 。在后一种情况下，您需要使用此函数在 之前使用DOMDocument :: validate或 验证文档 DOMDocument-> validateOnParse 。

对于一些更多的信息

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

而且因为总会有人提到用正则表达式做早晚，这里是你可以使用该模式： /<div id='double'>(.*)<\/div>/simU

在addi您可以使用常规字符串函数来提取div部分，例如

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

虽然我同意，你不应该使用正则表达式或字符串函数用于解析 HTML或XML，我发现它绝对好做，只要你唯一关心的是得到这个单格从碎片。把事情简单化。

Answer 4

一个XML文档只能在根级别有一个元素。可能的话，HTML解析器也有类似的要求。尝试将内容包装在 <body/>标记中。

好像是别的。 This page描述了可能的原因。我建议你使用XPath来获取元素。

Answer 5

该片段是HTML，但要通过DOM解析它应该是XHTML。 每个打开的标签必须关闭。

你的情况，这意味着你应该<br />和<img ... >与<img ... />