HTML DOM标签上的PHP DOMDocument错误/警告

105

我一直试图解析HTML5代码，以便可以在代码中设置属性/值，但是DOMDocument（PHP5.3）似乎不支持诸如<nav>和的标记。<section>。

有什么方法可以在PHP中将其解析为HTML并处理代码？

复制代码：

<?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>");

错误

警告：DOMDocument :: loadHTML（）：在实体中的标签导航无效，第17行在/home/wbkrnl/public_html/new-mvc/1.php中的第4行

警告：DOMDocument :: loadHTML（）：标记部分在实体中无效，第17行在/home/wbkrnl/public_html/new-mvc/1.php中的第10行

php html domdocument

— 克拉斯·桑格斯（Klaas Sangers）
source

对我来说，loadHTML($HTML5)返回FALSE（失败）！我需要将新标签更改为DIV ...这不仅是屏幕上的“警告”问题。

— 彼得·克劳斯

2

已经在PHPs.bug.php.net/bug.php?id=60021上报告了此问题，这反过来在基础libxml2中产生了功能请求：bugzilla.gnome.org/show_bug.cgi?

— id=761534

193

不，无法指定要使用的特定文档类型，也不能修改现有文档类型的要求。

最好的可行解决方案是使用禁用错误报告libxml_use_internal_errors：

$dom = new DOMDocument;
libxml_use_internal_errors(true);
$dom->loadHTML('...');
libxml_clear_errors();

— 寂寞的一天
source

1

对我来说，loadHTML($HTML5)返回FALSE（失败）！我需要将新标签更改为DIV ...

— Peter Krauss 2014年

21

出于什么原因php7的内置DOM解析器仍然无法处理HTML5？此答案提交至今已有6年了。

— 超级猫

1

@SuperCat都依赖于底层的libxml库。

— lonesomeday'7

6

---更不用说HTML5不是XML，从不曾经，曾经，也不会……

— Kevin_Kinsey

2

2019年更新：该警告仍会触发，但是loadHTML现在实际上接受HTML5标签。

9

你也可以

@$dom->loadHTML($htmlString);

— 伊尔克·穆特鲁（Ilker Mutlu）
source

16

错误抑制不是解决此问题的正确方法。

— 克拉斯·桑格斯2014年

6

@KlaasSangers直到我们有了一个不受限制的DOM实现，恐怕它是（通过@还是libxml_*）

— Dan Lugg 2014年

6

是的，在我看来，在这种特定情况下，错误抑制是最好的解决方案。除非您知道要加载的HTML，否则应该是每个PHP定义中100％有效的HTML。根据我的经验，从来没有这样。

— hanshenrik

@KlaasSangers ...为什么不呢？

— 尼克·曼宁

PHP8“ @运算符不再使致命错误消失，有可能此更改可能揭示在PHP 8之前再次被隐藏的错误。请确保在生产服务器上将display_errors = Off设置为！” itcher.io/blog/new-in-php-8

— marcus

7

您可以过滤从解析器得到的错误。根据此处的其他答案，请关闭向屏幕显示的错误报告，然后遍历错误并仅显示所需的错误：

libxml_use_internal_errors(TRUE);
// Do your load here
$errors = libxml_get_errors();

foreach ($errors as $error)
{
    /* @var $error LibXMLError */
}

这是一个print_r()错误：

LibXMLError Object
(
    [level] => 2
    [code] => 801
    [column] => 17
    [message] => Tag section invalid

    [file] => 
    [line] => 39
)

通过匹配message和和或code，可以很容易地将它们过滤掉。

— 半身人
source

2

似乎没有消除警告的方法，但没有消除错误的方法。PHP具有应该执行此操作的常量，但它们似乎不起作用。这是应该工作的内容，但这不是因为（错误？）...。

 $doc=new DOMDocument();
 $doc->loadHTML("<tagthatdoesnotexist><h1>Hi</h1></tagthatdoesnotexist>", LIBXML_NOWARNING );
 echo $doc->saveHTML();

http://php.net/manual/zh/libxml.constants.php

— 用户2782001
source

根据这个帖子stackoverflow.com/a/41845049/937477这个bug已经修复

— MMMMM

1

只是出于学问，这不是有效的HTML5。根据规范w3c.github.io/webcomponents/spec/custom/…，

— Greg

@Greg很高兴知道。这只是一个测试，以证明xml解析器将识别标记无效，但由于该标志而将其忽略。

— user2782001 '19

0

这对我有用：

$html = file_get_contents($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);

如果需要标题标签，请使用div标签更改标题并使用ID。例如：

$search = array("<header>", "</header>");
$replace = array("<div id='header1'>", "</div>");

这不是最佳的解决方案，但根据情况可能会有用。

祝好运。

— 埃米利亚诺·桑戈伊（Emiliano Sangoi）
source

-5

HTML5标签几乎总是使用id，class等属性。因此，用于替换的代码将是：

$html = file_get_contents($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);

— 谢尔盖·卡卢日斯基（Sergey Kaluzhsky）
source