在 PHP 中解析无效 HTML 的最佳方法答案

【问题标题】：Best way to parse an invalid HTML in PHP在 PHP 中解析无效 HTML 的最佳方法
【发布时间】：2011-04-06 03:04:07
【问题描述】：

有没有更好的方法来解析无效的 HTML，然后对其应用 Tidy？

旁注：在某些情况下，您无法使用 Tidy。也不建议使用正则表达式来解析 html。

【问题讨论】：

【解决方案1】：

我会尝试这样的事情：http://php.net/manual/en/domdocument.loadhtml.php

从那个页面：

该函数解析字符串源中包含的 HTML。与加载 XML 不同，加载 HTML 时不必格式正确。也可以静态调用此函数来加载和创建 DOMDocument 对象。

【讨论】：

【解决方案2】：

SimpleHTMLDOM 比 PHP 的原生 DOM 函数更宽松。

【讨论】：

建议的第三方替代 SimpleHtmlDom 实际使用 DOM 而不是字符串解析：phpQuery、Zend_Dom、QueryPath 和 FluentDom。
@Gordon 这次你太快了 :) 他正在寻找解析损坏的 HTML。
使用libxml's HTML parser module时，所有基于DOM的解析器都应该能够很好地处理。