是否有一个宽松、允许的PHP XML解析器？

我正在寻找一个解析器，它允许我采用“最佳猜测”的方法成功解析损坏的xml，例如

    <thingy>
       <description>
           something <b>with</b> bogus<br> 
           markup not wrapped in CDATA
       </description>
    </thingy>

伪造的东西

标记未包装在CDATA中

理想情况下，它将生成一个thingy对象，其中包含一个description属性和任何标记

关于如何解决该问题的其他建议（除了从有效的标记开始）欢迎

非php解决方案（例如Beautiful Soup（python））并不在pale之外，但我更愿意坚持公司的主流技能

谢谢

您可以使用（或

DOMDocument:：loadhtmlfile（）

）将损坏的XML转换为正确的XML。如果您不喜欢处理

DOMDocument

对象，请使用

saveXML（）

并用SimpleXML加载生成的XML字符串

$dom = DOMDocument::loadHTMLfile($filepath);
if (!$dom)
{
    throw new Exception("Could not load the lax XML file");
}
// Now you can work with your XML file using the $dom object.


// If you'd like using SimpleXML, do the following steps.
$xml = new SimpleXML($dom->saveXML());
unset($dom);

我尝试了以下脚本：

<?php
$dom = new DOMDocument();
$dom->loadHTMLFile('badformatted.xml');
if (!$dom)
{
    die('error');
}
$nodes = $dom->getElementsByTagName('description');
for ($i = 0; $i < $nodes->length; $i++)
{
    echo "Node content: ".$nodes->item($i)->textContent."\n";
}

编辑：一些小的更正和错误处理

---

edit2：更改为非静态调用以避免E_STRICT错误，添加了测试用例。

一种替代方法是使用库（）首先清除HTML。这在相当多相当可怕的输入中幸存了下来，我以前见过有人使用它来刮取相当粗糙的HTML。

你没有理解XML的意义：XML的主要思想是，如果它遇到语法错误，它会杀死你、你的家人、朋友和你曾经交谈过的任何人。没有严格错误处理的XML不再是XML了^^@nikic-我和OP处于同样的位置，必须处理由第三方提供的损坏的“XML”输入，而该第三方不了解XML的意义。虽然我同意这并不理想，但当数据必须导入时，我们无法让第三方修复他们的系统，我们只需要处理它-（就像@Spudley所描述的，是的（提示）如果它能成功解析坏掉的XML，那么它可能是一个非常有用的软件，但它不是一个XML解析器（一致的XML解析器不允许这样做）。唉，两者都失败了——XML一个是因为坏掉的XML，HTML一个是因为“无效”（对于HTML）元素标记。在我现在做的一个测试中，它会发出关于未知html节点的警告，但它会正确加载所有元素（包括这些“未知”标记）。先生，您是正确的-虽然警告是PITA，但我可以为这个特定任务暂时禁用这些警告。只需使用@operator进行特定调用：

@$dom->loadHTMLFile（$file）

这就是我的建议。预先处理，一旦格式正确，您就不会验证它。我假设这是某人对RSS webfeed的想法？某人对产品目录的想法，甚至-哦，Carlos的回答是这样的，尽管我可能会按照您的建议使用HTML tidy…只是为了确保内部标记正确我再也不吃别的了。

carlos@marmolada:~/xml$ php test.php

Warning: DOMDocument::loadHTMLFile(): Tag thingy invalid in badformatted.xml, line: 1 in /home/carlos/xml/test.php on line 3

Warning: DOMDocument::loadHTMLFile(): Tag description invalid in badformatted.xml, line: 2 in /home/carlos/xml/test.php on line 3
Node content:
                something with bogus
                markup not wrapped in CDATA

carlos@marmolada:~/xml$