DOM manipulación en PHP

Estoy buscando buenos métodos de manipulación de HTML en PHP. Por ejemplo, el problema que tengo actualmente es lidiar con html malformado.DOM manipulación en PHP

que estoy recibiendo de entrada que se ve algo como esto:

<div>This is some <b>text

Como habrá notado, el HTML no se encuentra etiquetas de cierre. Podría usar regex o un analizador XML para resolver este problema. Sin embargo, es probable que tenga que hacer otras manipulaciones DOM en el futuro. Me pregunto si hay algunas buenas bibliotecas de PHP que manejen la manipulación DOM similar a cómo Javascript trata con la manipulación de DOM.

Fuente

2008-08-26 Eldila

correría incorrecto HTML a través Purificador HTML antes de hacer cualquier otra cosa con él. – TRiG

PHP tiene a PECL extension that gives you access to the features of HTML Tidy. Tidy es una biblioteca bastante poderosa que debería poder tomar un código como ese y cerrar etiquetas de manera inteligente.

Lo uso para limpiar XML y HTML malformados que me envió un sistema de anuncios clasificados antes de la importación.

Fuente

2008-08-26 01:55:30 ceejayoz

Para manipular el DOM creo que lo que estás buscando es this. He utilizado para analizar documentos HTML desde la web y funcionó bien para mí.

Fuente

2008-08-26 02:24:55 Juan

He encontrado que PHP HTML simple DOM es la biblioteca más útil y directa. Mejor que PECL diría.

He escrito un artículo sobre how to use it to scrape myspace artist tour dates (es un ejemplo). Aquí hay un enlace a la php simple html dom parser.

Fuente

2009-02-02 17:04:53

+1 Lo usé antes y funciona bastante bien hasta el momento – Marcel

El enlace al artículo está muerto. – matt

La biblioteca DOM que ahora está incorporado puede resolver este problema fácilmente. El método loadHTML aceptará XML mal formado mientras que el método de carga no lo hará.

$d = new DOMDocument; 
$d->loadHTML('<div>This is some <b>text'); 
$d->saveHTML();

La salida será:

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd"> 
<html> 
    <body> 
    <div>This is some <b>text</b></div> 
    </body> 
</html>

Fuente

2010-11-29 11:47:18 Decko

Ingresé una respuesta similar con un poco más sobre la codificación de cadenas y cómo extraer un fragmento de documento [aquí] (http://stackoverflow.com/questions/8500390/fixing-unclosed-html-tags/43212965#43212965) –

Respuesta

Cuestiones relacionadas