PHP SimpleXML: Comment charger un fichier HTML?

Question

Lorsque j'essaie de charger un fichier HTML en XML en utilisant simplexml_load_string je reçois beaucoup d'erreurs et d'avertissements concernant le code HTML et il échoue, existe-t-il un moyen de charger correctement un fichier html en utilisant SimpleXML?

Ce fichier HTML peut contenir des espaces inutiles et peut-être d'autres erreurs que j'aimerais que SimpleXML ignore.

Answer 1

Je suggère d'utiliser PHP Simple HTML DOM. Je l'ai moi-même utilisé pour tout ce qui concerne le grattage de pages, la manipulation de fichiers de modèles HTML et c'est très simple et assez puissant et devrait parfaitement convenir à vos besoins.

est ici quelques exemples de leurs documents qui montrent le genre de choses que vous pouvez faire:

// Create DOM from URL or file 
$html = file_get_html('http://www.google.com/'); 

// Find all images 
foreach($html->find('img') as $element) 
     echo $element->src . '<br>'; 

// Find all links 
foreach($html->find('a') as $element) 
     echo $element->href . '<br>'; 

Answer 2

check La page de manuel this, une de ces options (LIBXML_NOERROR par exemple) peut vous aider .. mais gardez à l'esprit qu'un html n'est pas nécessairement un xml valide, donc l'analyser comme xml pourrait ne pas fonctionner.

Answer 3

Utilisez DomDocument::loadHtmlFile avec simplexml_import_dom pour charger des pages HTML non wellformed dans SimpleXML.

Answer 4

Voici un code rapide pour charger une page html externe, puis l'analyser avec un simple xml.

//suppresses errors generated by poorly-formed xml 
    libxml_use_internal_errors(true); 

    //create the html object 
    $html = new DOMDocument(); 

    //load the external html file 
    $html->loadHtmlFile('http://blahwhatever.com/'); 

    //import the HTML object into simple xml 
    $shtml = simplexml_import_dom($html); 

    //print the result 
    echo "<pre>"; 
    print_r($shtml); 
    echo "</pre>";