在PHP中解析格式错误的HTML
[英]Parsing of badly formatted HTML in PHP
问题描述
在我的代码中，我使用openoffice将一些样式的xls文档转换为html。 然后我使用xml_parser_create解析表。 问题是openoffice使用未关闭的<BR>和<HR>标签创建oldschool html，它不创建doctypes并且不引用属性<TABLE WIDTH=4> 。
我知道的PHP解析器不喜欢这个，并产生xml格式错误。 我目前的解决方案是在解析之前对文件运行一些正则表达式，但这既不好也不快。
你知道一个（希望包括在内）php解析器，它不关心这些错误吗？ 或者也许是一种快速修复'破坏'html的方法？
4 个解决方案
解决方案1
8 已采纳 2010-02-28 15:40:44
“修复”损坏的HTML的解决方案可能是使用HTMLPurifier （引用） ：
HTML Purifier是一个用PHP编写的符合标准的HTML过滤器库。
HTML Purifier不仅会删除所有恶意代码（更好地称为XSS），而且还会通过经过全面审核，安全且允许的白名单， 还可以确保您的文档符合标准
另一种想法可能是尝试使用DOMDocument::loadHTML （引用）加载HTML：
该函数解析字符串源中包含的HTML。 与加载XML不同， HTML不必加载良好。
如果您尝试从文件加载HTML，请参阅DOMDocument::loadHTMLFile 。
解决方案2
4 2010-02-28 15:40:41
要修复损坏的HTML，您可以使用Tidy 。
作为替代方案，您可以使用本机XML Reader 。 因为它在文档流中作为游标前进并在途中停止在每个节点上，所以它不会在无效的XML文档上中断。
请访问http://www.ibm.com/developerworks/library/x-pullparsingphp.html
解决方案3
1 2010-02-28 16:27:41
您还在使用PHP 4 XML API的任何特殊原因？
如果您可以使用PHP 5的XML API，那么有两种可能性。
首先，尝试内置的HTML解析器。 它真的不是很好（它往往会扼杀格式不佳的HTML），但它可能会成功。 看看DomDocument :: LoadHTML。
第二个选项 - 您可以尝试基于HTML5解析器规范的HTML解析器：
http://code.google.com/p/html5lib/
这往往比内置的PHP HTML解析器更好。 它将HTML加载到DomDocument对象中。
解决方案4
0 2017-01-11 10:34:05
解决方案是使用DOMDocument。
示例：
$str = "
<html>
<head>
<title>test</title>
</head>
<body>
</div>error.
<p>another error</i>
</body>
</html>
";
$doc = new DOMDocument();
@$doc->loadHTML($str);
echo $doc->saveHTML();
优点：本身包含在PHP中，与PHP Tidy相反。
接收JSON格式错误或包含无效字符php curl时出错
[英]error receiving JSON is badly formatted or it contains invalid character php curl
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.