DOMDocument loadHTML 在服务器上无法正常工作

php dom

2022-08-30 14:20:48

我首先在MAMP上运行代码，它工作得很好。但是当我尝试在另一台服务器上运行代码时，我收到了很多警告，例如：

警告： DOMDocument：：loadHTML（）：意外的结束标记：实体中的标头，行： 3349 in /cgihome/zhang1/html/cgi-bin/getPrice.php 在第 17 行警告： DOMDocument：：loadHTML（）： htmlParseStartTag： Entity 中的标签放错位置，行： 3350 in /cgihome/zhang1/html/cgi-bin/getPrice.php 在第 17 行警告： DOMDocument：：loadHTML（）：标记标头在实体中无效，行： 3517 在 /cgihome/zhang1/html/cgi-bin/getPrice.php 行 17

代码如下：

<?php
 $amazon = file_get_contents('http://www.amazon.com/blablabla');
 $doc = new DOMdocument();
 $doc->loadHTML($amazon);
 $doc->saveHTML();
 $price = $doc -> getElementById('actualPriceValue')->textContent;
 $ASIN = $doc -> getElementById('ASIN')->getAttribute('value');
?>

有人知道发生了什么吗？谢谢！

答案 1

要禁用警告，您可以使用

libxml_use_internal_errors(true);

这对我有用，手册，请继续阅读：

背景：您正在加载无效的 HTML。无效的HTML很常见，DOMDocument：：loadHTML纠正了大多数问题，但默认情况下会发出警告。

使用libxml_use_internal_errors您可以控制该行为。在加载文档之前设置它：

$previously = libxml_use_internal_errors(true);
$doc->loadHTML($amazon);

然后加载后，您可以处理错误（如果需要/需要）：

/* @var LibXMLError[] $xmlErrors */
$xmlErrors = libxml_get_errors();

最后清除它们（因为它们将加起来）并恢复以前的设置（如果适用）：

unset($xmlErrors);
libxml_clear_errors();
libxml_use_internal_errors($previously);

引用

libxml_use_internal_errors禁用 libxml 错误，并允许用户根据需要获取错误信息
libxml_clear_errors清除 libxml 错误缓冲区
libxml_get_errors检索错误数组
LibXMLErrorlibXMLError 类
Stackoverflow 对 DOMDocument PHP Memory Leak 的回答（由 Tak;2011年12月）

答案 2

此问题与非 xHTML 代码有关

由于 DOMdocument（）只能处理干净的 XHTML，因此您需要清理代码

Php有一个扩展，可以很好地完成这项工作。称为整洁 php.net/book.tidy

这可能很棘手，因为您可能需要在php中启用它.ini

然后

$tidy_config = array( 
                     'clean' => true, 
                     'output-xhtml' => true, 
                     'show-body-only' => true, 
                     'wrap' => 0, 

                     ); 

$tidy = tidy_parse_string( $html, $tidy_config, 'UTF8'); 
$tidy->cleanRepair(); 
$doc = new DOMdocument();
$doc->loadHTML( (string) $tidy);