使用 PHP Simple HTML DOM 解析器的奇怪错误

Question

我正在使用这个库（PHP Simple HTML DOM parser）来解析链接，代码如下：

function getSemanticRelevantKeywords($keyword){
    $results = array();
    $html = file_get_html("http://www.semager.de/api/keyword.php?q=". urlencode($keyword) ."&lang=de&out=html&count=2&threshold=");
    foreach($html->find('span') as $e){
            $results[] = $e->plaintext;
    }
    return $results;
}

但是当我输出结果时出现这个错误：

致命错误：在非对象上调用成员函数 find() /var/www/vhosts/e着名的.de/subdomains/sandbox/httpdocs/getNewTrusts.php 第 25 行

（第 25 行是 foreach 循环），奇怪的是它正确地输出了所有内容（至少看起来如此），但我仍然收到该错误并且无法弄清楚原因。

Answer 1

这个错误的原因是：如果来自 url 的响应的大小大于 600000，简单的 HTML DOM 不会返回对象。
您可以通过更改simple_html_dom.php 文件来取消它。从file_get_html 函数的if 条件中删除strlen($contents) > MAX_FILE_SIZE。
这将解决您的问题。

Answer 2

你只需要在simple_html_dom.php文件中增加CONSTANT MAX_FILE_SIZE。

例如：

define('MAX_FILE_SIZE', 999999999999999);

Answer 3

这个错误通常意味着 $html 不是一个对象。

你说这似乎可行，这很奇怪。如果你输出 $html 会发生什么？ 我想该 url 不可用并且 $html 为空。

编辑： 看起来这可能是解析器中的错误。有人提交了bug 并在他的代码中添加了一个检查作为解决方法。

Answer 4

在file_get_html/load_file方法之前，你应该先检查URL是否存在。

如果 URL 存在，则通过一个步骤。
（某些服务器为 404 页面提供有效的 HTML 页面。它具有适当的 HTML 页面结构，如正文、头部等。但它只有文本“此页面无法'！找不到。404 错误 bla bla ..）

如果 URL 是 200-OK，那么你应该检查获取的东西是否是对象，是否设置了节点。

这是我在页面中使用的代码。

function url_exists($url){
    if ((strpos($url, "http")) === false) $url = "http://" . $url;
    $headers = @get_headers($url);
    // print_r($headers);
    if (is_array($headers)){
        if(strpos($headers[0], '404 Not Found'))
            return false;
        else
            return true;    
    }         
    else
        return false;
}

$pageAddress='http://www.google.com';
if ( url_exists($pageAddress) ) {
    $htmlPage->load_file( $pageAddress );
} else {
    echo 'url doesn t exist, i stop';
    return;
}

if( $htmlPage && is_object($htmlPage) && isset($htmlPage->nodes) )
{
    // do your work here...
} else {
    echo 'fetched page is not ok, i stop';
    return;
}

Answer 5

对于那些通过搜索引擎到达这里的人（就像我所做的那样），在阅读了上面的信息（和链接的错误报告）之后，我开始了一些代码提示，并最终在加载 dom 后通过 2 次额外检查来解决我的问题;

$html = file_get_html('<your url here>');
// first check if $html->find exists
if (method_exists($html,"find")) {
     // then check if the html element exists to avoid trying to parse non-html
     if ($html->find('html')) {
          // and only then start searching (and manipulating) the dom 
     }
}

Answer 6

我的日志中出现了同样的错误，除了上述解决方案之外，也可能是文档中没有“跨度”。搜索具有页面上不存在的特定类的 div 时出现相同的错误，但是当搜索我知道页面上存在的内容时，该错误不会弹出。

Answer 7

你的脚本没问题。 当它在该页面上找不到我要查找的元素时，我会收到此错误。

在您的情况下，请检查您正在访问的页面是否具有“SPAN”元素

Answer 8

解决这个问题的最简单方法

if ($html = file_get_html("http://www.semager.de/api/keyword.php?q=". urlencode($keyword) ."&lang=de&out=html&count=2&threshold=") {

} else {
    // do something else because couldn't find html
}

Answer 9

错误意味着 find() 函数尚未定义或不可用。请确保您已加载或包含相关功能。