PHP解析无效的html

Question

我正在尝试解析一些不在我的服务器上的 html

    $dom = new DOMDocument();
    $dom->loadHTMLfile("http://www.some-site.org/page.aspx");      
    echo    $dom->getElementById('his_id')->item(0);

但是 php 返回一个错误，类似于 ID his_id already defined in http://www.some-site.org/page.aspx, line: 33。我认为这是因为 DOMDocument 正在处理无效的 html。那么，即使它无效，我该如何解析它呢？

Answer 1

你应该运行 HTML Tidy在解析之前对其进行清理。

$html = file_get_contents('http://www.some-site.org/page.aspx');
$config = array(
  'clean' => 'yes',
  'output-html' => 'yes',
);
$tidy = tidy_parse_string($html, $config, 'utf8');
$tidy->cleanRepair();
$dom = new DOMDocument;
$dom->loadHTML($tidy);

查看此 list of options .