Fatal编程技术网
  • php/
  • PHP文档添加了额外的标记

PHP文档添加了额外的标记

php dom

PHP文档添加了额外的标记,php,dom,domdocument,Php,Dom,Domdocument,我试图解析一个文档，获取所有的图像标签，并为不同的内容更改源代码 $domDocument=新的domDocument（）； $domDocument->loadHTML（$text）； $imageNodeList=$domDocument->getElementsByTagName（'img'）； foreach（$imageNodeList作为$Image）{ $Image->setAttribute（'src'，'lalala'）； $domDocument->saveHTML（$Ima

我试图解析一个文档，获取所有的图像标签，并为不同的内容更改源代码

$domDocument=新的domDocument（）；
$domDocument->loadHTML（$text）；
$imageNodeList=$domDocument->getElementsByTagName（'img'）；
foreach（$imageNodeList作为$Image）{
$Image->setAttribute（'src'，'lalala'）；
$domDocument->saveHTML（$Image）；
}
$text=$domDocument->saveHTML（）；

$text
最初看起来如下：

你好，这是一个测试，这是一张图片，因为我喜欢啤酒

这是输出
$text
：


嗨，这是一个测试，这是一张图片，因为我喜欢啤酒
我得到了一堆我并不真正需要的额外标签（HTML、正文和顶部的注释）。如何设置
DOMDocument
以避免添加这些额外的标记？

如果要另存为HTML，则必须创建有效的HTML文档

还有另一个选项：具有一个可选参数，允许您访问特定元素的XML内容：

$el = $domDocument->getElementsByTagName('p')->item(0);
$text = $domDocument->saveXML($el);
这假定您的内容只有一个
p
元素。

如果您正在进行黑客攻击，这就是我设法绕过这一烦恼的方法。将字符串加载为XML并另存为HTML:）

不幸的是，DomDocument被延迟，不允许您这样做。试试这个：

$text = preg_replace('/^<!DOCTYPE.+?>/', '', str_replace( array('<html>', '</html>', '<body>', '</body>'), array('', '', '', ''), $domDocument->saveHTML()));

$text=preg_replace（'/^/'，''，str_replace（数组（''，''），数组（''，''），$domDocument->saveHTML（））；
您可以使用：

DOMDocument有一个设计极其糟糕的“特性”，如果您正在加载的HTML代码不包含和标记，它会自动添加它们（是的，没有关闭此行为的标志）

因此，当您调用$doc->saveHTML（）时，新保存的内容中现在有和DOCTYPE。在尝试处理代码片段时，这不是很方便（XML也有类似的问题）

SmartDOMDocument包含一个名为saveHTMLExact（）的新函数，该函数的功能完全符合您的需要–它可以保存HTML，而无需添加DOMDocument所做的额外垃圾。

您只需向
loadHTML（）
方法添加两个标志：
LIBXML\u HTML\u NOIMPLIED | LIBXML\u HTML\u NODEFDTD
。即

$domDocument->loadHTML($text, LIBXML_HTML_NOIMPLIED|LIBXML_HTML_NODEFDTD);
见：

$text='嗨，这是一个测试，这是一张图片，因为我喜欢啤酒
 ",；
$domDocument=新的domDocument；
$domDocument->loadHTML（$text，LIBXML\u HTML\u noimpled | LIBXML\u HTML\u NODEFDTD）；
$imageNodeList=$domDocument->getElementsByTagName（'img'）；
foreach（$imageNodeList作为$Image）{
$Image->setAttribute（'src'，'lalala'）；
$domDocument->saveHTML（$Image）；
}
$text=$domDocument->saveHTML（）；
echo$文本；
输出：

<p>Hi, this is a test, here is an image<img src="lalala" width="60" height="95"> Because I like Beer!</p>
你好，这是一个测试，这是一张图片，因为我喜欢啤酒

根据文档中使用的元素，使用saveXML（）检索HTML源并不总是一个好主意。创建的XML将使用简写来表示所有不包含内容的元素，这将损坏HTML文档（例如
）。您需要解析结果并对其进行更正或使用XSLT对其进行转换，以获得有效的HTML文档。它应为：$text=preg_replace（'/^/'，''，str_replace（数组（''，''，''），数组（''，''，''），$domDocument->saveHTML（））
preg_replace
，真的吗？对我来说，这只是去除了所有html。我的段落也不见了。@Mike:这是不可能的，因为代码没有删除任何内容。可能您的HTML不是完全有效的。尝试添加
libxml\u-use\u-internal\u错误（true）$DOMDocument=new DOMDocument初始化DOMDocument之前的code>
@WiktorStribiżew我使用它从文本字段中删除脚本标记，如下所示：这应该是可以接受的答案 
<p>Hi, this is a test, here is an image<img src="lalala" width="60" height="95"> Because I like Beer!</p>