在PHP中解析格式错误的HTML

前端之家收集整理的这篇文章主要介绍了在PHP中解析格式错误的HTML前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。
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.

猜你在找的PHP相关文章