由于特殊字符，无法使用PHP解析HTML内容

我正试图用CURL刮一个网站。到目前为止，我写了以下内容：

旋度等级：

<?php

class Curl
{       

    public $cookieJar = "";

    public function __construct($cookieJarFile = 'cookies.txt') {
        $this->cookieJar = $cookieJarFile;
    }

    function setup()
    {


        $header = array();
        $header[0] = "Accept: text/xml,application/xml,application/xhtml+xml,";
        $header[0] .= "text/html;q=0.9,text/plain;q=0.8,image/png,*/*;q=0.5";
        $header[] =  "Cache-Control: max-age=0";
        $header[] =  "Connection: keep-alive";
        $header[] = "Keep-Alive: 300";
        $header[] = "Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.7";
        $header[] = "Accept-Language: en-us,en;q=0.5";
        $header[] = "Pragma: "; // browsers keep this blank.


        curl_setopt($this->curl, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows; U; Windows NT 5.2; en-US; rv:1.8.1.7) Gecko/20070914 Firefox/2.0.0.7');
        curl_setopt($this->curl, CURLOPT_HTTPHEADER, $header);
        curl_setopt($this->curl,CURLOPT_COOKIEJAR, $cookieJar); 
        curl_setopt($this->curl,CURLOPT_COOKIEFILE, $cookieJar);
        curl_setopt($this->curl,CURLOPT_AUTOREFERER, true);
        curl_setopt($this->curl,CURLOPT_FOLLOWLOCATION, true);
        curl_setopt($this->curl,CURLOPT_RETURNTRANSFER, true);  
    }


    function get($url)
    { 
        $this->curl = curl_init($url);
        $this->setup();

        return $this->request();
    }

    function getAll($reg,$str)
    {
        preg_match_all($reg,$str,$matches);
        return $matches[1];
    }

    function postForm($url, $fields, $referer='')
    {
        $this->curl = curl_init($url);
        $this->setup();
        curl_setopt($this->curl, CURLOPT_URL, $url);
        curl_setopt($this->curl, CURLOPT_POST, 1);
        curl_setopt($this->curl, CURLOPT_REFERER, $referer);
        curl_setopt($this->curl, CURLOPT_POSTFIELDS, $fields);
        return $this->request();
    }

    function getInfo($info)
    {
        $info = ($info == 'lasturl') ? curl_getinfo($this->curl, CURLINFO_EFFECTIVE_URL) : curl_getinfo($this->curl, $info);
        return $info;
    }

    function request()
    {
        return curl_exec($this->curl);
    }
}

?>

然后在我的php文件中调用这个curl类：

include_once("curl.php");
$curl = new Curl();
$html = $curl->get("www.somewebsite.com");
$html = htmlentities($html);
//echo $html;
$pattern = htmlentities("<span class=\"review-text\">");
function get_string_between($string, $start, $end)
{
    $string = " ".$string;
    $ini = strpos($string,$start);
    if ($ini == 0)
        return "";
    $ini += strlen($start);
    $len = strpos($string,$end,$ini) - $ini;
    return substr($string,$ini,$len);
}
echo get_string_between($html, '<span class=\"review-text\">', '<\/span>');

include_once（“curl.php”）；
$curl=新的curl（）；
$html=$curl->get（“www.somewebsite.com”）；
$html=htmlentities（$html）；
//echo$html；
$pattern=htmlentities（“”）；
函数get\u string\u between（$string，$start，$end）
{
$string=”“.$string；
$ini=strpos（$string，$start）；
如果（$ini==0）
返回“”；
$ini+=strlen（$start）；
$len=strpos（$string，$end，$ini）-$ini；
返回substr（$string，$ini，$len）；
}
echo get_string_在（$html，，''）之间；

现在，我正在尝试获取两个字符串之间的字符串，我得到了一个空白页。然而，当我看到html内容时，我清楚地能够发现字符串

HTML内容非常大，我正在尝试在巨大的文件之间搜索并获取内容

---

我甚至尝试替换“”，有一种更好的方法可以通过使用dom来获取html标记的值

$dom = new DomDocument();
@$dom -> loadHTML($html);
$dom -> preserveWhiteSpace = false;
$spans = getElementsByTagName('span');
foreach($spans as $span){
  if($span -> getAttribute('class') == 'review-text'){ print $span-> nodeValue }
}

或者还有另一种方法：

$dompath = new DOMXPath($dom);
$review_div = $dompath -> query('//*[@class="review-text"]')->item(0)
$string = $review_div -> nodeValue;

---

希望这能对您有所帮助。

使用htmlspecialchars@mohamadatat：它似乎也不是这样工作的。这个方法给了我一个500内部服务器错误。知道为什么吗？500错误是服务器端的，这意味着服务器出了问题。我认为这与php脚本没有任何关系。或者，如果您重复curl响应，它可能是错误的您尝试爬网的页面出现错误。