标签: domdocument

是否可以使用 DOMDocument 类并且不允许它添加文档类型声明、head 和 body 标签？我正在为服务器端包含编写我当前的代码，并且它正在一个已经格式良好的页面上呈现。我不需要额外的标签。

我有这个html片段:

<font color="#ff0000">Lorem <font size="4">ipsum dolor</font> sit amet</font>

我想使用DOMDocument font用a 替换每个标记span.这是我的功能atm:

$fonts = $xPath->query('//font');
foreach($fonts as $font){
    $style = '';
    $newFont = $dom->createElement('span',$font->nodeValue);
    if($font->hasAttribute('size')){
        $size = $font->getAttribute('size');
        $style.='font-size:'.round($size/2,1).'em; ';
    }
    if($font->hasAttribute('color')){
        $style.='color:'.$font->getAttribute('color').'; ';
    }
    if($style!='') $newFont->setAttribute('style',$style);
    $font->parentNode->replaceChild($newFont,$font);
}

我期待这个输出:

<span style="color:#ff0000; ">Lorem <span style="font-size:2em;">ipsum etc..

但我得到:

<span style="color:#ff0000; ">Lorem ipsum dolor sit amet</span>

为什么？

我想这$font->parentNode->replaceChild($newFont,$font);是因为以某种方式用它的文本值替换外部跨度......或者这个查询可能$xPath->query('//font')是错误的.我很喜欢经验丰富的建议......谢谢

如何迭代所有标签并检查类是 font18 还是 font17？

 $html = new DOMDocument();\n    $html->load(\'file.html\');\n

html:

    <p><a name="bookmark7"></a><span class="font18" style="font-weight:bold;">Abilitazione</span></p>\n<p><span class="font17">I medici devono essere autorizzati dallo Stato a praticare la loro professione. I requisiti per ottenere questa autorizzazione variano a seconda delle diverse Nazioni. I laureati presso Facolt\xc3\xa0 mediche estere possono ottenere l\'autorizzazione a esercitare in Italia se rispondono ai requisiti statali per quanto riguarda il tirocinio e se superano l\'esame di Stato. Nell\'ambito della CEE si tratta tuttora di una questione da …

我在php中解析html,因为我无法控制原始内容,我想删除样式和不必要的标签,同时仍保留内容和标签的简短列表,即:

p,img,iframe(也许还有其他一些)

我知道我可以删除一个给定的标签(参见我在下面使用的代码),但由于我不一定知道它们可能是什么标签,而且我不想创建一个巨大的可能列表,我会喜欢除了我允许的列表之外能够删除所有内容.

function DOMRemove(DOMNode $from) {
    $sibling = $from->firstChild;

    do {
        $next = $sibling->nextSibling;
        $from->parentNode->insertBefore($sibling, $from);
    } while ($sibling = $next);

    $from->parentNode->removeChild($from);
}

$dom = new DOMDocument;
$dom->loadHTML($html);

$nodes = $dom->getElementsByTagName('span');

当我将 xmlns 添加到我用 DOMDocument 编写的 xml 时，我不断收到以下错误

致命错误：未捕获的异常“DOMException”，消息“无效字符错误”...

$xml = new DOMDocument("1.0", "UTF-8");
$xml_urlset = $xml->createElement('urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"');
$xml_url = $xml->createElement("url","this text");
$xml_urlset->appendChild($xml_url);
$xml->appendChild($xml_urlset);
$xml->formatOutput = true;
$xml->preserveWhiteSpace = false;
$xml->save("test.xml");

此外，即使我有 formatOutput = true 我仍然把所有内容写成一行：

<urlset>xmlns="http://www.sitemaps.org/schemas/sitemap/0.9" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.sitemaps.org/schemas/sitemap/0.9 http://www.sitemaps.org/schemas/sitemap/0.9/sitemap.xsd"<url>this text</url></urlset>

我试图设置一些东西，以便可以为 urlset 输出

<urlset
      xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
      xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
      xsi:schemaLocation="http://www.sitemaps.org/schemas/sitemap/0.9
            http://www.sitemaps.org/schemas/sitemap/0.9/sitemap.xsd">

谢谢你能给我的任何帮助。

我注意到在这个网址上：http : //www.bubbleroom.se/sv/kläder/kvinna/controlbody/bodys/body-nero\u0标签中有一个空字符id prodText。

尝试在此字符之后提取任何其他内容时，整个文档似乎以此空字符结尾。

编辑

“不起作用”的代码。它有效，但当$html字符串中有空字符时无效

$dom = new DOMDocument;
libxml_use_internal_errors(true);
$dom->loadHTML($html);
libxml_clear_errors();

return new DOMXPath($dom);

我有 2 个“DOMDocument”对象 - $original 和 $additional。我想要的是从 $additional DOMDocument 中取出所有孩子并将其附加到 $original 文档的末尾。

我的计划是获取 $additional 文档的根元素。我尝试使用：

$root = $additional->documentElement;
$original->appendChild($root)

但是我收到 appendChild 期望 DOMNode 对象作为参数的错误。我尝试通过以下方式访问文档的每个子项：

$additional->childNodes->item(0);

但它返回 DOMElement 的对象。你能建议如何获取 DOMNode 类的对象吗？提供此导入操作的最方便的方法是什么？

$original XML 看起来像：

<?xml version="1.0" encoding="utf-8"?>
<Product>
     <RecordReference>345345</RecordReference>
     <NotificationType>03</NotificationType>
     <NumberOfPages>100</NumberOfPages 
</Product>

$additional XML 看起来像：

<?xml version="1.0" encoding="utf-8"?>
<MainSubject>
    <SubjectScheme>10</SubjectScheme>
</MainSubject>

我想要的：

<?xml version="1.0" encoding="utf-8"?>
<Product>
     <RecordReference>345345</RecordReference>
     <NotificationType>03</NotificationType>
     <NumberOfPages>100</NumberOfPages>
     <MainSubject>
         <SubjectScheme>10</SubjectScheme>
     </MainSubject> 
</Product>

我希望我能从你们那里得到一些帮助。

这就是我正在努力解决的问题，我有一串 HTML 看起来像这样：

<h4>Some title here</h4>
<p>Lorem ipsum dolor</p>
(some other HTML here)

<h4>Some other title here</h4>
<p>Lorem ipsum dolor</p>
(some other HTML here)

我需要将所有<h4>内容与其余内容分开，但例如第一个之后<h4>和第二个之前的内容<h4>需要与第一个相关<h4>，如下所示：

Array {
       [0] => <h4>Some title here</h4>
       [1] => <p>Lorem ipsum dolor</p>
}

Array {
       [0] => <h4>Some other title here</h4>
       [1] => <p>Lorem ipsum dolor</p>
}

这是为了构建一个手风琴（很难解释我为什么要这样做，但它必须是这样），并且<h4>将是手风琴面板标题，单击时它将展开并显示与它们相关的内容。

我希望我说清楚了我的问题，让我知道你的想法以及我应该如何更好地做到这一点。

我正在研究DOMDocument，但我也尝试过explode()但没有成功。

我使用 JavaScript 进行了这项工作，但我需要使用 PHP 实现相同的功能，但是使用 PHP 使用 DOM 非常复杂。

先感谢您。

我发现这个帖子很好地描述了我的问题,这个答案完全描述了我的问题.

非中断空格字符是字节0xA0是ISO-8859-1; 当编码为UTF-8时,它是0xC2,0xA0,如果您(错误地)将其视为ISO-8859-1,则表示为"Â ".这包括一个尾随......

但是,我设法将我的问题跟踪到我用来在div中包装图像标签的函数.

function img_format($str)
{
    $doc = new DOMDocument();
    @$doc->loadHTML($str);     // <-- Bonus points for the explaination of the @

    // $tags object
    $tags = $doc->getElementsByTagName('img');

    foreach ($tags as $tag) {

        $div = $doc->createElement('div');
        $div->setAttribute('class','inner-copy');
        $tag->parentNode->insertBefore($div, $tag);
        $div->appendChild($tag);

        $tag->setAttribute('class', 'inner-img');
    }

    $str = $doc->saveHTML();

    return $str;
}

很简单,我如何在此功能中解决此问题？

我理解使用;

<meta http-equiv="Content-Type" content="text/html;charset=utf-8" />

将解决这个问题,但显然我在功能本身内忽略了一些东西.

我试过了;

$dom->validateOnParse = true;

无济于事.(我不知道那是怎么回事)

为什么我会收到此代码的警告？

$content ='<p>
 <a href="http://www.we.com/1000">text </a>
 text 
 <a href="http://www.we.com/2345">text </a>
  text 
</p>

<p>text</p>

<p>
  <table border="1" cellpadding="0" cellspacing="0" dir="rtl"> 
      <tbody> 
          <tr> 
              <td>text </td> 
              <td>text </td> 
              <td>text </td> 
          </tr> 
          <tr> 
              <td>text </td> 
              <td>text </td> 
              <td>text </td> 
          </tr> 
      </tbody> 
  </table>
</p>';

$doc = new DOMDocument('1.0', 'UTF-8');
$doc->loadHTML($content);

警告是：

警告：DOMDocument :: loadHTML（）：意外结束标记：实体中的p，第2213行的/home/admin/domains/we.com/public_html/refresh/lib/core.php中的第25行<p> <a href =“ http://www.we.com/1000 ” > 文本 </a>文本<a href=" http://www.we.com/2345">文本 </a>文本</ p> < p> text </ p> <p> </ p> <table border =“ 1” cellpadding =“ 0” cellspacing =“ 0” dir …