编程语言
首页 > 编程语言> > php-如何防止将文档类型添加到HTML？

php-如何防止将文档类型添加到HTML？

作者：互联网

我一直在使用DOM处理这个tidy-up-messy-html标记,但是现在我意识到了一个更大的问题,

$content = '<p><a href="#">this is a link</a></p>';

function tidy_html($content,$allowable_tags = null, $span_regex = null)
{      
    $dom = new DOMDocument();
    $dom->loadHTML($content);

        // other codes
    return $dom->saveHTML();
}

echo tidy_html($content);

它将输出整个DOM,

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd"> 
<html><body><p><a href="#">this is a link</a></p></body></html>

但是我只想要这样的回报

<p><a href="#">this is a link</a></p>

我不要

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

这可能吗？？

编辑：

innerHTML模拟会在我的数据库中生成一些奇怪的代码,例如&#13; ,Â,’

<p>Monday July 5th 10am - 3.30pm £20</p>&#13;
<p>Be one of the first visitors to the ...at this special event.Â</p>&#13;
<p>All participants will receive a free copy of the ‘Contemporary Art Kit’ produced exclusively for Art on....</p>&#13;

innerHTML模拟,

$innerHHTML = '';
$nodeBody = $dom->getElementsByTagName('body')->item(0);
foreach($nodeBody->childNodes as $child) {
  $innerHTML .= $nodeBody->ownerDocument->saveXML($child);
}

我发现,当出现中断时它创建奇怪代码的原因是saveXML($child)

所以当我有这样的事情时

$content = '<p><br/><a href="#">xx</a></p>
<p><br/><a href="#">xx</a></p>';

它将返回类似这样的内容,

<p><a href="#">xx</a></p>&#13;
<p><a href="#">xx</a></p>

但我实际上想要这样的东西

<p><a href="#">xx</a></p>
<p><a href="#">xx</a></p>

解决方法:

如果您正在处理片段,通常只需要正文内容.

PHP中的DomDocument不提供诸如innerHTML之类的东西.您可以模拟它：

$innerHHTML = '';
$nodeBody = $dom->getElementsByTagName('body')->item(0);
foreach($nodeBody->childNodes as $child) {
  $innerHTML .= $nodeBody->ownerDocument->saveXML($child);
}

如果您只想修复片段,则也可以使用tidy library：

$html = tidy_repair_string($html, array('output-xhtml'=>1,'show-body-only'=>1));

标签：xpath,doctype,domdocument,php
来源： https://codeday.me/bug/20191208/2089065.html