html5-tags 上的 PHP DOMDocument 错误/警告

Posted 2023-02-24

技术标签:

【中文标题】html5-tags 上的 PHP DOMDocument 错误/警告【英文标题】：PHP DOMDocument errors/warnings on html5-tags 【发布时间】：2011-08-30 17:53:30 【问题描述】：

我一直在尝试解析 html5 代码，以便可以在代码中设置属性/值，但似乎 DOMDocument(php5.3) 不支持像 <nav> 和 <section> 这样的标签。

有没有办法在 PHP 中将其解析为 HTML 并操作代码？

要重现的代码：

<?php
$dom = new DOMDocument();
$dom->loadHTML("<!DOCTYPE HTML>
<html><head><title>test</title></head>
<body>
<nav>
  <ul>
    <li>first
    <li>second
  </ul>
</nav>
<section>
  ...
</section>
</body>
</html>");

错误

警告：DOMDocument::loadHTML(): 标记实体中的导航无效，行：4 in /home/wbkrnl/public_html/new-mvc/1.php 第 17 行

警告：DOMDocument::loadHTML(): 标记实体中的部分无效，行：10 in /home/wbkrnl/public_html/new-mvc/1.php 第 17 行

【问题讨论】：

操作，对我来说 loadHTML($HTML5) 返回 FALSE（失败）！我需要将新标签更改为 DIV... 这不仅仅是我屏幕上“警告”的问题。这个问题已经在bugs.php.net/bug.php?id=60021 上报告了 PHP，这反过来又在底层 libxml2 中产生了一个功能请求：bugzilla.gnome.org/show_bug.cgi?id=761534 【参考方案1】：

不，无法指定要使用的特定文档类型，或修改现有文档类型的要求。

您最好的可行解决方案是使用libxml_use_internal_errors 禁用错误报告：

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

【讨论】：

操作，对我来说 loadHTML($HTML5) 返回 FALSE（失败）！我需要将新标签更改为 DIV... 有什么原因 php7 的内置 DOM 解析器 still 无法处理 HTML5？自提交此答案以来已经 6 年了。 @SuperCat 都依赖于底层的libxml库。 --- 更不用说 HTML5 不是 XML，从来没有，曾经，也不会...... 2019 年更新：警告仍然被触发，但 loadHTML 现在实际上接受 HTML5 标记。【参考方案2】：

你也可以

@$dom->loadHTML($htmlString);

【讨论】：

错误抑制不是处理此问题的正确方法。 @KlaasSangers 在我们有一个非残缺的 DOM 实现之前，恐怕是（通过@ 或libxml_*）是的，在我看来，在这种特定情况下，错误抑制是最好的解决方案。除非您知道要加载的 HTML，否则按照 PHP 的定义，它应该是 100% 有效的 HTML。以我的经验，从来都不是这样。 @KlaasSangers...为什么不呢？ PHP8 "@ 运算符不再消除致命错误这一更改可能会显示在 PHP 8 之前再次隐藏的错误。请确保在您的生产服务器上设置 display_errors=Off！" stitcher.io/blog/new-in-php-8【参考方案3】：

您可以过滤从解析器获得的错误。根据此处的其他答案，关闭屏幕上的错误报告，然后遍历错误并仅显示您想要的错误：

libxml_use_internal_errors(TRUE);
// Do your load here
$errors = libxml_get_errors();

foreach ($errors as $error)

    /* @var $error LibXMLError */

这里是一个单一错误的print_r()：

LibXMLError Object
(
    [level] => 2
    [code] => 801
    [column] => 17
    [message] => Tag section invalid

    [file] => 
    [line] => 39
)

通过匹配message 和/或code，可以很容易地过滤掉这些。

【讨论】：

【参考方案4】：

似乎没有办法杀死警告而不是错误。 PHP 具有应该执行此操作的常量，但它们似乎不起作用。这是应该工作的，但不是因为（错误？）....

 $doc=new DOMDocument();
 $doc->loadHTML("<tagthatdoesnotexist><h1>Hi</h1></tagthatdoesnotexist>", LIBXML_NOWARNING );
 echo $doc->saveHTML();

http://php.net/manual/en/libxml.constants.php

【讨论】：

根据这篇帖子***.com/a/41845049/937477该bug已修复只是为了迂腐，这不是有效的 HTML5。根据规范w3c.github.io/webcomponents/spec/custom/…，自定义元素必须有一个连字符 @Greg 很高兴知道。这只是一个测试，以证明 xml 解析器将识别标记无效，但由于标记而忽略它。【参考方案5】：

这对我有用：

$html = file_get_contents($url);

$search = array("<header>", "</header>", "<nav>", "</nav>", "<section>", "</section>");
$replace = array("<div>", "</div>","<div>", "</div>", "<div>", "</div>");
$html = str_replace($search, $replace, $html);

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

如果你需要header标签，用div标签改变header并使用id。例如：

$search = array("<header>", "</header>");
$replace = array("<div id='header1'>", "</div>");

这不是最好的解决方案，但视情况而定。

祝你好运。

【讨论】：

【参考方案6】：

HTML5 标签几乎总是使用 id、class 等属性。所以替换的代码是：

$html = file_get_contents($url);
$search = array(
    "<header", "</header>", 
    "<nav", "</nav>", 
    "<section", "</section>",
    "<article", "</article>",
    "<footer", "</footer>",
    "<aside", "</aside>",
    "<noindex", "</noindex>",
);
$replace = array(
    "<div", "</div>",
    "<div", "</div>", 
    "<div", "</div>",
    "<div", "</div>",
    "<div", "</div>",
    "<div", "</div>",
    "<div", "</div>",
);
$html = str_replace($search, $replace, $html);
$dom = new DOMDocument();
$dom->loadHTML($html);

【讨论】：

以上是关于html5-tags 上的 PHP DOMDocument 错误/警告的主要内容，如果未能解决你的问题，请参考以下文章

同一应用程序上的两种不同语言 PHP 和 Java，Apache 上的 PHP 和 Tomcat 上的 Java

Windows 10 上的 PHP 卷曲，php 5.6.17

php PHP上的端口扫描程序

远程 AWS EB 实例上的“php artisan migrate”上的 PHP 致命错误：laravel.log：权限被拒绝

apache 上的 php5，为啥需要 libmod 和 php5？