使用DOMDocument::saveHTML避免自动关闭打开的超文本标记语言元素

Question

如果div和ul容器使用特定类，我的目标是将自定义数据属性添加到该容器中。我从包含有效HTML（完整的＜code＞div＜/code＞及其内容和结束＜code＞的HTML片段开始

以下是我可以开始的内容示例：

<div id='gallery-7222-1' class='gallery galleryid-7222 gallery-columns-3 gallery-size-thumbnail'>

这是我目前所尝试的：

// grab all containers from the HTML.
$dom_doc = new DOMDocument();

/*
 * $html here can be the example I posted above.
 * LIBXML_HTML_NOIMPLIED and LIBXML_HTML_NODEFDTD are used
 * to avoid adding a doctype and wrapping the whole output in HTML tags.
 */
$dom_doc->loadHTML( $html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD );

// Let's look for lists and divs.
$ul_tags  = $dom_doc->getElementsByTagName( 'ul' );
$div_tags = $dom_doc->getElementsByTagName( 'div' );

/*
 * Loop through each ul, and add the data.
 * I do more things in there, like checking for what class the ul has,
 * but I've simplified things here. 
 */
foreach ( $ul_tags as $ul_tag ) {
    $ul_tag->setAttribute( 'data-foo', 'bar' );
}

/*
 * Loop through each div, and add the data.
 * I do more things in there, like checking for what class the div has,
 * but I've simplified things here. 
 */
foreach ( $div_tags as $div_tag ) {
    $div_tag->setAttribute( 'data-foo', 'bar' );    
}

// Save our updated HTML.
$html = $dom_doc->saveHTML();

返回的 HTML 包括新的数据属性，但也有一个结束

我首先想到的是删除那个关闭

我该如何阻止 saveHTML（） 在这里变得那么聪明，并试图为我修复我的 HTML？

谢谢大家！




Answer 1

匿名用户

不，你不能说服HTML解析器不解析HTML。最好的解决方案是首先重新思考如何获取数据，并确保不会得到碎片。

如果做不到这一点，您可以尝试先将它视为XML，看看它是否有问题:

<?php
libxml_use_internal_errors(true);
$dom_doc = new DOMDocument();
$remove = "";
// try loading it as xml
if (!$dom_doc->loadXml($html)) {
    // it failed, get the error message
    $err = libxml_get_last_error()->message ?? "";
    // is it because of an unclosed element?
    // find out which element it's breaking on
    if (preg_match("/end of data in tag (.*?) /", $err, $matches)) {
        $remove = "</$matches[1]>";
    }
}
$dom_doc->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

// do stuff

$html = str_replace($remove, "", $dom_doc->saveHTML());

当然，这是假设你处理的HTML是干净的，不会引发其他错误。如果是这种情况，您需要检查< code>libxml_get_errors()中是否有未关闭的元素错误。