php - loadHTML LIBXML_HTML_NOIMPLIED 在 html 片段上生成不正确的标签

Question

将 LIBXML_HTML_NOIMPLIED 标志与 html 片段一起使用会生成不正确的标签:

$str = '<p>Lorem ipsum dolor sit amet.</p><p>Nunc vel vehicula ante.</p>';
$doc = new DOMDocument();
$doc->loadHTML($str, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
echo $doc->saveHTML();

输出:

<p>Lorem ipsum dolor sit amet.<p>Nunc vel vehicula ante.</p></p>

我发现了使用正则表达式来解决这个问题的技巧，但这违背了使用 DOM 的目的。我已经用几个版本的 libxml 和 php 测试了这个，最新的是 libxml 2.9.2，php 5.6.7 (Debian Jessy)。任何建议表示赞赏。

Answer 1

重新安排是由您使用的 LIBXML_HTML_NOIMPLIED 选项完成的。看起来它对你的情况来说不够稳定。

此外，出于可移植性原因，您可能不想使用它，例如，我手头有一个带有 Libxml 2.7.8 的 PHP 5.4.36，它不支持 LIBXML_HTML_NOIMPLIED (Libxml >= 2.7 .7) 但稍后 LIBXML_HTML_NODEFDTD (Libxml >= 2.7.8) 选项。

我知道这种处理方式。加载片段时，将其包装到 <div> 元素中:

$doc->loadHTML("<div>$str</div>");

这有助于在您想要的结构上引导 DOMDocument。

然后您可以从文档本身中提取此容器:

$container = $doc->getElementsByTagName('div')->item(0);
$container = $container->parentNode->removeChild($container);

然后从文档中删除所有子项:

while ($doc->firstChild) {
    $doc->removeChild($doc->firstChild);
}

现在文档完全是空的，您现在可以再次追加子项。幸运的是，我们之前删除了 <div> 容器元素，因此我们可以从中添加:

while ($container->firstChild ) {
    $doc->appendChild($container->firstChild);
}

然后可以使用已知的 saveHTML 方法检索片段:

echo $doc->saveHTML();

在您的场景中给出:

<p>Lorem ipsum dolor sit amet.</p><p>Nunc vel vehicula ante.</p>

此方法与网站上的现有 Material 略有不同(请参阅我在下面给出的引用资料)，因此立即示例:

$str = '<p>Lorem ipsum dolor sit amet.</p><p>Nunc vel vehicula ante.</p>';

$doc = new DOMDocument();
$doc->loadHTML("<div>$str</div>");

$container = $doc->getElementsByTagName('div')->item(0);
$container = $container->parentNode->removeChild($container);
while ($doc->firstChild) {
    $doc->removeChild($doc->firstChild);
}

while ($container->firstChild ) {
    $doc->appendChild($container->firstChild);
}

echo $doc->saveHTML();

我也非常推荐关于How to saveHTML of DOMDocument without HTML wrapper? 的引用问题以进一步阅读以及关于 inner-html 的问题

引用资料

• How to saveHTML of DOMDocument without HTML wrapper?
• How to get innerHTML of DOMNode?