PHP DOMDocument - 获取 BODY 的 html 源代码
Posted
技术标签:
【中文标题】PHP DOMDocument - 获取 BODY 的 html 源代码【英文标题】：PHP DOMDocument - get html source of BODY 【发布时间】：2011-01-21 16:28:45 【问题描述】：我正在使用 php 的 DOMDocument 来解析和规范化用户提交的 html，使用 loadHTML 方法解析内容，然后通过 saveHTML 获得格式正确的结果：
$dom= new DOMDocument();
$dom->loadHTML('<div><p>Hello World');
$well_formed= $dom->saveHTML();
echo($well_formed);
这很好地解析了片段并添加了适当的结束标签。问题是我还得到了一堆我不想要的标签，例如<!DOCTYPE>、<html>、<head> 和<body>。我知道每个格式良好的 HTML 文档都需要这些标签，但是我正在规范化的 HTML 片段将被插入到现有的有效文档中。
【问题讨论】：
【参考方案1】：这是从另一个帖子中摘录的，非常适合我的使用：
$layout = preg_replace('~<(?:!DOCTYPE|/?(?:html|head|body))[^>]*>\s*~i', '', $layout);
【讨论】：
相关：***.com/questions/1732348/…【参考方案2】：面对同样的问题，我创建了一个名为 SmartDOMDocument 的 DOMDocument 包装器来克服这个问题和其他一些缺点（例如编码问题）。
你可以在这里找到它：http://beerpla.net/projects/smartdomdocument
【讨论】：
【参考方案3】：您的问题的快速解决方案是使用 xPath 表达式来抓取正文。
$dom= new DOMDocument();
$dom->loadHTML('<div><p>Hello World');
$xpath = new DOMXPath($dom);
$body = $xpath->query('/html/body');
echo($dom->saveXml($body->item(0)));
这里有一个警告。有时 loadHTML 在遇到格式很差的 HTML 文档时会发出警告。如果您要解析此类 HTML 文档，则需要找到 better html parser [自我链接警告]。
【讨论】：
这将返回 [CONTENT] ...你怎么能只得到 [CONTENT]？【参考方案4】：在您的情况下，您不想使用 HTML 文档，而是使用 HTML 片段——HTML 代码的一部分；；这意味着 DOMDocument 并不是您所需要的。
相反，我宁愿使用 HTMLPurifier (quoting) 之类的东西：
HTML Purifier 是符合标准的 用 PHP 编写的 HTML 过滤器库。 HTML Purifier 不仅会删除所有 恶意代码（通常称为 XSS） 经过彻底审核，安全又 允许的白名单，它也会 确保您的文档符合标准，仅此而已 可以通过全面的 了解 W3C 的规范。
而且，如果您尝试您的部分代码：
<div><p>Hello World
使用the demo page of HTMLPurifier，您会得到这个干净的 HTML 作为输出：
<div><p>Hello World</p></div>
好多了，不是吗？ ;-)
（请注意，HTMLPurfier 支持范围广泛的选项，查看其文档可能不会有什么坏处）
【讨论】：
这里有很好的信息，但我认为 DOMDocument 仍然是一个合法的工具。 “loadHTML”方法的存在意味着 DOMDocument 用于解析 HTML 文档以及 XML 文档。 HTMLPurifier 或其他用 PHP 编写的“真正的”HTML 解析器很棒，但它们的性能很好。与内置 PHP 对象相比，它总是显得苍白无力。 @Alan ：我同意 DOMDocument 在解析 HTML 文档时非常棒；；；但是对于 HTML 部分，尤其是 user-submitted，我相信 HTMLPurifier 是一个更好的工具：它的创建正是为了过滤用户提交的 HTML —— 包括从安全的角度来看 （例如，DOMDocument 不关心 XSS，而 HTMLPurifier 关心 ;;; DOMDocument 不允许您指定应该允许哪些标签/属性，而 HTMLPUrifier 可以）以上是关于PHP DOMDocument - 获取 BODY 的 html 源代码的主要内容，如果未能解决你的问题，请参考以下文章
如何使用 PHP 的 DOMDocument 获取元素的序列化 HTML？