DOMDocument使用額外的標簽保存html

Question

我正在使用HTMLDom操作字符串，而不是完整的網頁。 當我使用saveHTML()它會自動拋出doctype和html標簽。

$str = 'frament containing html';
$str = utf8_encode($str);
$doc->LoadHTML($str);
...do stuff...
$str = $doc->saveHTML();

在不自動包含額外標簽的情況下，保存HTML片段的正確方法是什么。 失敗了； 刪除這些多余標簽的正確方法？

我使用html解析器來避免使用regex ，因此不得不在解析器的輸出上使用它們似乎有點違反直覺。

Answer 1

如果加載HTML，PHPs DOMDocument會修復文檔。 這意味着它將添加html和body元素。

因此，您需要獲取body內的所有節點並將其另存為HTML。

$html = <<<'HTML'
<h1>Hello World</h1>
Text
<!-- comment -->
HTML;

$dom = new DOMDocument();
$dom->loadHtml($html);
$xpath = new DOMXPath($dom);

$result = '';
foreach ($xpath->evaluate('/html/body/node()') as $node) {
  $result .= $dom->saveHtml($node);
}

echo $result;

這是另一種選擇，但並非在所有地方都可用。 PHP添加了LIBXML_HTML_NOIMPLIED和LIBXML_HTML_NODEFDTD選項。

$dom->loadHtml($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

PHP <= 5.3

首先，最好的選擇是更新PHP。 不再維護PHP 5.3。

第二個選項是使用DOMDocument :: saveXML（$ node，LIBXML_NOEMPTYTAG）。 這將生成一個XML（XHTML）片段，但對於大多數情況來說應該足夠了。

最后一個選擇是使用字符串函數。