在PHP中解析格式错误的HTML

发布时间：2020-12-13 13:29:15 所属栏目：PHP教程来源：网络整理

导读：在我的代码中,我使用openoffice将一些样式化的xls文档转换为html. 然后我使用xml_parser_create解析表. 问题是openoffice创建了oldschool html with unclosed BR和 HR标签,它不会创建文档类型,也不引用属性 TABLE WIDTH = 4. 我知道的PHP解析器不喜欢这个,并

在我的代码中,我使用openoffice将一些样式化的xls文档转换为html.
然后我使用xml_parser_create解析表.
问题是openoffice创建了oldschool html with unclosed< BR>和< HR>标签,它不会创建文档类型,也不引用属性< TABLE WIDTH = 4>.

我知道的PHP解析器不喜欢这个,并产生xml格式错误.我目前的解决方案是在解析之前对文件运行一些正则表达式,但这既不好也不快.

你知道一个(希望包括在内)的php解析器,它不关心这些错误吗？或者也许是一种快速修复’破碎’html的方法？

“修复”损坏的HTML的解决方案可能是使用 HTMLPurifier(引用)：

HTML Purifier is a standards-compliant
HTML filter library written in PHP.

HTML Purifier will not only remove
all malicious code (better known as
XSS) with a thoroughly audited,
secure yet permissive whitelist,it
will also make sure your documents are standards compliant

另一种想法可能是尝试使用DOMDocument::loadHTML(引用)加载HTML：

The function parses the HTML contained
in the string source . Unlike loading
XML,HTML does not have to be
well-formed to load.

如果您尝试从文件加载HTML,请参阅DOMDocument::loadHTMLFile.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!