php domdocument-获取正文的HTML源代码

在您的例子中,您不希望使用HTML文档,而是使用HTML片段(HTML代码的一部分);这意味着DOMDocument不是您所需要的。

相反,我宁愿用 HTMLPurifier (引证) :

HTML净化器符合标准 用PHP编写的HTML过滤器库。 HTML净化器将不仅删除所有 恶意代码(通常称为XSS) 以彻底审计,安全的 允许的白名单,它也会 确保您的文档符合标准 ,只有一些东西 通过综合 了解W3C规范。

而且,如果您尝试您的代码部分:

<div><p>Hello World

使用 the demo page of HTMLPurifier ,将此干净的HTML作为输出:

<div><p>Hello World</p></div>

好多了,不是吗?;-)

(请注意,HTMLPurfier支持多种选择,查看其文档可能不会造成伤害)

对您的问题的快速解决方案是使用一个xpath表达式来获取主体。

$dom= new DOMDocument();
$dom->loadHTML('<div><p>Hello World');      
$xpath = new DOMXPath($dom);
$body = $xpath->query('/html/body');
echo($dom->saveXml($body->item(0)));

这里有一句警告。有时,当loadHTML遇到格式很差的HTML文档时,它会发出警告。如果要分析这些类型的HTML文档,则需要找到 better html parser [自链接警告]。

面对同样的问题,我创建了一个名为smartdomdocument的围绕domdocument的包装器来克服这个问题和其他一些缺点(例如编码问题)。

你可以在这里找到它: http://beerpla.net/projects/smartdomdocument

这是从另一个岗位上取的,非常适合我使用:

$layout = preg_replace('~<(?:!DOCTYPE|/?(?:html|head|body))[^>]*>\s*~i', '', $layout);