PHP解析无效的HTML

Question

我试图解析一些HTML，是不是我的服务器

$dom = new DOMDocument(); 
    $dom->loadHTMLfile("http://www.some-site.org/page.aspx");  
    echo $dom->getElementById('his_id')->item(0); 

上，但PHP返回一个错误，像ID his_id already defined in http://www.some-site.org/page.aspx, line: 33。我认为这是因为DOMDocument正在处理无效的html。那么，即使无效，我如何解析它？

Answer 1

你应该运行HTML Tidy来清理它，然后解析它。

$html = file_get_contents('http://www.some-site.org/page.aspx'); 
$config = array(
    'clean' => 'yes', 
    'output-html' => 'yes', 
); 
$tidy = tidy_parse_string($html, $config, 'utf8'); 
$tidy->cleanRepair(); 
$dom = new DOMDocument; 
$dom->loadHTML($tidy); 

看到这个list of options。

Answer 2

阅读文档，我看到一个$dom->strictErrorChecking默认为TRUE。如果您设置$dom->strictErrorChecking = false，会发生什么情况？

Answer 3

看一看：？libxml_use_internal_errors（）

http://php.net/libxml_use_internal_errors