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>.
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.
“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.
