php DomDocument добавляет дополнительные теги

Я пытаюсь разобрать документ и получить все теги изображений и изменить источник для чего-то другого.


    $domDocument = new DOMDocument();

    $domDocument->loadHTML($text);

    $imageNodeList = $domDocument->getElementsByTagName('img');

    foreach ($imageNodeList as $Image) {
      $Image->setAttribute('src', 'lalala');
      $domDocument->saveHTML($Image);
    }

    $text = $domDocument->saveHTML();

$text изначально выглядит так:



<p>Hi, this is a test, here is an image<img src="http://mysite.com/beer.jpg" width="60" height="95" /> Because I like Beer!</p>

и это вывод $text:



<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body><p>Hi, this is a test, here is an image<img src="lalala" width="68" height="95"> Because I like Beer!</p></body></html>

Я получаю кучу дополнительных тегов (html, body и комментарий вверху), которые мне действительно не нужны. Любой способ настроить DOMDocument, чтобы избежать добавления этих дополнительных тегов?

спасибо!

9
dom domdocument php

5 ответов

DomDocument, к сожалению, отстает и не позволит вам это сделать. Попробуйте это:

$text = preg_replace('/^<!DOCTYPE.+?>/', '', str_replace( array('<html>', '</html>', '<body>', '</body>'), array('', '', '', ''), $domDocument->saveHTML()));
5

вам просто нужно добавить 2 флага в loadHTML() способ: LIBXML_HTML_NOIMPLIED|LIBXML_HTML_NODEFDTD. Т. е.

$domDocument->loadHTML($text, LIBXML_HTML_NOIMPLIED|LIBXML_HTML_NODEFDTD);

посмотреть IDEONE demo:

$text = '<p>Hi, this is a test, here is an image<img src="http://example.com/beer.jpg" width="60" height="95" /> Because I like Beer!</p>';
$domDocument = new DOMDocument;
$domDocument->loadHTML($text, LIBXML_HTML_NOIMPLIED|LIBXML_HTML_NODEFDTD);
$imageNodeList = $domDocument->getElementsByTagName('img');

foreach ($imageNodeList as $Image) {
      $Image->setAttribute('src', 'lalala');
      $domDocument->saveHTML($Image);
}

$text = $domDocument->saveHTML();
echo $text;

выход:

<p>Hi, this is a test, here is an image<img src="lalala" width="60" height="95"> Because I like Beer!</p>
11

Если вы до взлома, это то, как мне удалось обойти это раздражение. Загрузите строку в формате XML и сохраните ее в формате HTML. :)

1

вы можете использовать http://beerpla.net/projects/smartdomdocument-a-smarter-php-domdocument-class/ :

DOMDocument имеет чрезвычайно плохо спроектированную "функцию", где, если HTML-код, который вы загружаете, не содержит и теги, он добавляет их автоматически (да, нет флагов, чтобы отключить это поведение).

таким образом, когда вы вызываете $doc->saveHTML (), ваш недавно сохраненный контент теперь имеет и DOCTYPE в нем. Не очень удобно при работе с кодом фрагменты (XML имеет аналогичную проблему).

SmartDOMDocument содержит новую функцию saveHTMLExact (), которая делает именно то, что вы хотели бы – она сохраняет HTML без добавления дополнительного мусора, который делает DOMDocument.

0

Если вы собираетесь сохранить как HTML, вы должны ожидать, что будет создан действительный HTML-документ!

есть еще один вариант: DOMDocument::saveXML имеет необязательный параметр, позволяющий получить доступ к XML-содержимому определенного элемента:

$el = $domDocument->getElementsByTagName('p')->item(0);
$text = $domDocument->saveXML($el);

Это предполагает, что ваш контент имеет только один p элемент.

-1