simplexml_load_string() != simplexml_import_dom()?答案

【问题标题】：simplexml_load_string() != simplexml_import_dom()?simplexml_load_string() != simplexml_import_dom()?
【发布时间】：2023-04-09 10:49:01
【问题描述】：

如果我使用 DOMDocument::loadHTMLFile() 加载 HTML 页面，然后将其传递给 simplexml_import_dom() 一切都很好，但是，如果我使用 $dom->saveHTML() 从 DOMDocument 获取字符串表示，然后使用 simplexml_load_string()，我得到没有。实际上，如果我使用一个非常简单的页面，它会起作用，但是一旦有更复杂的页面，它就会失败，并且 PHP 日志文件中没有任何错误。

有人能解释一下吗？

这与 HTML 不是可解析的 XML 有关吗？

我试图在使用内容之前从格式化的 HTML 文本中去除 CR 和换行符，因为它们与内容无关，而是插入到 SimpleXMLElement 对象中，这相当乏味。

【问题讨论】：

标签： php xml simplexml

【解决方案1】：

Is it something to do with HTML not being parsable XML?

是的！ HTML 是一种不太严格的语法，因此 simplexml_load_string 不能单独使用它。这是因为simplexml 很简单，而 HTML 很复杂。另一方面，DOMDocument 被设计为能够读取复杂的 HTML 结构，这意味着由于它可以理解 HTML 并且simplexml 可以理解它，因此您可以弥合那里众所周知的差距。

<!-- Valid HTML but not valid XML -->
<ul>
    <li>foo
    <li>bar
</ul>

【讨论】：

有点让你想尖叫。
即使使用<!DOCTYPE html PUBLIC "-//IETF//DTD HTML 2.0//EN">（及以上版本），这也是无效的。只是让它被浏览器解释并不能使它成为有效的 html。
@Yoshi 去掉了<i>。举个老例子。无论如何，<li> 部分仍然很常见，我已经看到它被 Google 使用了。
所以答案真的是遍历每个 SimpleXMLElement 元素并删除任何带有多余空白的文本节点？
@cwallenpoole 好的，删除了我的反对票。但是还是丑的不行！ ;)

【解决方案2】：

HTML 可能是也可能不是有效的 XML。当您使用 loadHTMLFile 时，它不一定必须是格式良好的 xml，因为 DOM 是一种 HTML，因此规则不同，但是当您将字符串传递给 SimpleXML 时，它确实必须是格式正确的。

【讨论】：

【解决方案3】：

如果我的问题正确，并且您只是希望输出中没有空格，则无需在此处使用 simplexml。

使用：DOMDocument::preservewhitespace 喜欢：

$dom->preserveWhiteSpace = false;

在saveHTML 之前，你已经准备好了。

【讨论】：

嗯，不完全是。我需要使用“simplexml”来遍历内容。我想我可以使用 preserveWhiteSpace，然后将内容保存到文件中，然后重新加载它，但我认为从长远来看，我需要以编程方式解决这个问题。