PHP解析无效的html答案

【问题标题】：PHP parsing invalid htmlPHP解析无效的html
【发布时间】：2011-02-11 18:24:43
【问题描述】：

我正在尝试解析一些不在我的服务器上的 html

    $dom = new DOMDocument();
    $dom->loadHTMLfile("http://www.some-site.org/page.aspx");      
    echo    $dom->getElementById('his_id')->item(0);

但是 php 返回类似ID his_id already defined in http://www.some-site.org/page.aspx, line: 33 的错误。我认为这是因为 DOMDocument 正在处理无效的 html。那么，即使无效，我该如何解析它？

【问题讨论】：

标签： php html-parsing domdocument

【解决方案1】：

你应该在解析它之前运行HTML Tidy来清理它。

$html = file_get_contents('http://www.some-site.org/page.aspx');
$config = array(
  'clean' => 'yes',
  'output-html' => 'yes',
);
$tidy = tidy_parse_string($html, $config, 'utf8');
$tidy->cleanRepair();
$dom = new DOMDocument;
$dom->loadHTML($tidy);

看到这个list of options。

【讨论】：

tidy 不适合我 :(
@kmunky 为什么不呢？如果没有 Tidy，基本上你就是 SOL。
我解决了问题...我已经安装了 php_tidy 但我收到以下错误“ID top already defined in Entity, line: 52”
重复的 id，你必须自己修复它们（去过那里，做过）。

【解决方案2】：

阅读文档时，我看到默认为 TRUE 的 $dom->strictErrorChecking。如果你设置$dom->strictErrorChecking = false会发生什么？

【讨论】：

【解决方案3】：

看看：libxml_use_internal_errors()

http://php.net/libxml_use_internal_errors

【讨论】：

如果您只是要推荐一个链接，请在问题下方发表评论，而不是作为答案发布。