Javascript PHP saveHTML函数未正确保存HTML

我一直在尝试使用PHP保存一段代码的源代码。当我提取整个网页的内容时，源代码顺序被保留，但当我试图使用

$dom = new DOMDocument;
$dom->loadHTML($webpage);
$xpath = new DOMXPath($dom);

$query_tag = "//div[contains(@class, 'class-name')]";
$result = $dom->saveHTML($xpath->query($query_tag)->item(0));

脚本标签被弄乱了。到目前为止，这是唯一一个发生此问题的网站。

saveHTML

函数是否存在一些我不知道的限制

这是我应该得到的：

<div id="sponsored-category-header" class="page-header sponsored-category-header clear"> <script type="text/javascript">jQuery(document).ready(function($) {
        var cat_head_params = {"sponsor":"SEO PowerSuite","sponsor_logo":"https:\/\/www.searchenginejournal.com\/wp-content\/plugins\/abm-sej\/includes\/category-images\/SPS_128.png","sponsor_text":"<div class=\"taxonomy-description\">Dominate Google local search results with ease! Get your copy of SEO PowerSuite and keep <a rel=\"nofollow\" href=\"http:\/\/sejr.nl\/PowerSuite-2016-5\" onClick=\"__gaTracker('send', 'event', 'Sponsored Category Click Var 1', 'Local Search', 'SEO PowerSuite');\" target=\"_blank\">your local SEO strategy<\/a> up to par.<\/div>","logo_url":"http:\/\/sejr.nl\/PowerSuite-2016-5","ga_labels":["Local Search","SEO PowerSuite"]}            
        $('#sponsored-category-header').append('<div class="sponsored-category-logo"></div>');
                     $('#sponsored-category-header .sponsored-category-logo').append(' <a rel="nofollow" href="'+cat_head_params.logo_url+'" onClick="__gaTracker(\'send\', \'event\', \'Sponsored Category Click Var 1\', \''+cat_head_params.ga_labels[0]+'\', \''+cat_head_params.ga_labels[0]+'\');" target="_blank"><img class="nopin" src="'+cat_head_params.sponsor_logo+'" width="96" height="96" /></a>');
                                   $('#sponsored-category-header').append('<div class="sponsored-category-details"></div>');
         $('#sponsored-category-header .sponsored-category-details').append('<h3 class="page-title sponsored-category-title">'+cat_head_params.sponsor+'</h3>');
         $('#sponsored-category-header .sponsored-category-details').append(cat_head_params.sponsor_text);


});</script> </div>

jQuery（文档）.ready（函数（$）{
var cat_head_params={“赞助商”：“搜索引擎优化动力套件”，“赞助商徽标”：“https:\/\/www.searchenginejournal.com\/wp content\/plugins\/abm sej\/包括\/category images\/SPS_128.png”，“赞助商文本”：“轻松掌控谷歌本地搜索结果！获取搜索引擎优化动力套件副本并保存”）；
$（“#赞助类别标题”）。附加（“”）；
$（“#赞助类别标题。赞助类别详细信息”）。追加（“”+类别标题参数。赞助+“”）；
$（“#赞助商类别标题.赞助商类别详细信息”）.append（类别标题参数.赞助商文本）；
}); 

这就是我实际得到的：

<div id="sponsored-category-header" class="page-header sponsored-category-header clear"> <script type="text/javascript">jQuery(document).ready(function($) {
        var cat_head_params = {"sponsor":"SEO PowerSuite","sponsor_logo":"https:\/\/www.searchenginejournal.com\/wp-content\/plugins\/abm-sej\/includes\/category-images\/SPS_128.png","sponsor_text":"<div class=\"taxonomy-description\">Dominate Google local search results with ease! Get your copy of SEO PowerSuite and keep <a rel=\"nofollow\" href=\"http:\/\/sejr.nl\/PowerSuite-2016-5\" onClick=\"__gaTracker('send', 'event', 'Sponsored Category Click Var 1', 'Local Search', 'SEO PowerSuite');\" target=\"_blank\">your local SEO strategy<\/a> up to par.<\/div>","logo_url":"http:\/\/sejr.nl\/PowerSuite-2016-5","ga_labels":["Local Search","SEO PowerSuite"]}            
        $('#sponsored-category-header').append('<div class="sponsored-category-logo"></script>


</div>');
                     $('#sponsored-category-header .sponsored-category-logo').append(' <a rel="nofollow" href="'+cat_head_params.logo_url+'" onclick="__gaTracker(\'send\', \'event\', \'Sponsored Category Click Var 1\', \''+cat_head_params.ga_labels[0]+'\', \''+cat_head_params.ga_labels[0]+'\');" target="_blank"><img class="nopin" src="'+cat_head_params.sponsor_logo+'" width="96" height="96"></a>');
                                   $('#sponsored-category-header').append('<div class="sponsored-category-details"></div>');
         $('#sponsored-category-header .sponsored-category-details').append('<h3 class="page-title sponsored-category-title">'+cat_head_params.sponsor+'</h3>');
         $('#sponsored-category-header .sponsored-category-details').append(cat_head_params.sponsor_text);


    }); </div>

jQuery（文档）.ready（函数（$）{
var cat_head_params={“赞助商”：“搜索引擎优化动力套件”，“赞助商徽标”：“https:\/\/www.searchenginejournal.com\/wp content\/plugins\/abm sej\/包括\/category images\/SPS_128.png”，“赞助商文本”：“轻松掌控谷歌本地搜索结果！获取搜索引擎优化动力套件副本并保存”）；
$（“#赞助类别标题”）。附加（“”）；
$（“#赞助类别标题。赞助类别详细信息”）。追加（“”+类别标题参数。赞助+“”）；
$（“#赞助商类别标题.赞助商类别详细信息”）.append（类别标题参数.赞助商文本）；
}); 

如果没有找到，则结尾的

脚本

标记会上移几行

我要明确的是，我不是在说呈现的HTML。我是在说我在提出请求后得到的实际源代码。任何关于如何解决此问题的帮助都将不胜感激

---

我知道函数

saveHTML

导致了这个问题，因为当我通过PHP回显整个页面时，每个标记都在正确的位置。

首先，您的代码应该触发一系列类似以下的警告：

警告：DOMDocument:：loadHTML（）：HTMLParserEntityRef:中应为“；” 实体
警告：DOMDocument:：loadHTML（）：意外的结束标记： 实体中的strong
警告：DOMDocument:：loadHTML（）：标记头 在实体中无效

这是对野生HTML的期望（该页面的代码也不是特别糟糕），但您甚至没有提到它，这让我怀疑您可能没有在开发框中启用错误报告

此外，该页面包含大量JavaScript，而

DOMDocument

只是一个HTML解析器

这样，我们就可以清楚地了解正在发生的事情。由于

DOMDocument

不是一个成熟的浏览器，它不理解JavaScript代码。这意味着它检测到

标记，但它不会像JavaScript一样处理其内容，它只会查找结束标记，他找到的第一个标记是：

$('#sponsored-category-header').append('<div class="sponsored-category-logo"></div>');
                                                                             ^^^^^^

$（“#赞助类别标题”）。附加（“”）；
^^^^^^

它不知道这是一个JavaScript字符串，应该被忽略。相反，它认为关闭了错误的标记，因此尝试修复技术上无效的HTML，并添加缺少的

标记

正是由于这个原因，

…

标记集传统上是这样编写的：

<script type="text/javascript"><!--
var foo = '<p>Escaped end tag<\/p>';
//--></script>

…因此，不知道JavaScript的用户代理可以安全地忽略整个标记（嘿，这只是一个很好的旧HTML注释）。然而，现在这几乎被普遍认为是不好的做法，因为“所有浏览器都理解JavaScript”

---

最后一点注意：DOM扩展可能知道

标记，并且知道不允许在其中包含其他标记。这解释了为什么不考虑内部打开标记。

DOMDocument

是一个合适的HTML解析器，因此它无法处理您经常在野外发现的无效标记。就像您的浏览器一样，它将修复HTML尽其所能。@alvarogonzález所以，在

$dom->loadHTML（$webpage）；

之后，源代码会变得一团糟。？正确。我没有机会检查网站，但是，如果有无效的标记（我不是说这里是否有这种情况，因此我会留下评论而不是答案），因为PHP需要使用文档树的内存表示（正如我所说，这是任何浏览器都要做的）。源代码只是一个源代码，我在您感兴趣的部分的页面上没有看到任何无效的内容，但是如果不先分解流程并检查每个步骤以消除

loadHTML

、

DOMXPath

、和

query

的话，我会犹豫是否要特别责备saveHTML。谢谢@linuxc查询出错了吗？这是我使用的查询

//div[contains（@class，'post data'）]

。它得到的第一个结果包含除script标记之外的其他标记。是否有办法检查

loadHTML

或

DOMXPath

是否是罪魁祸首？谢谢Alvaro:）。这就解释了！