在PHP中解析HTML页面

Question

今天我使用Simple HTML DOM解析器解析一个页面时，没有得到任何结果。所以我认为这很奇怪。于是我去查看那里编写的HTML代码。我发现有很多错误。

因此，问题来了。当解析器工作正常，但HTML混乱时该怎么办？也许有人会建议一些方法或其他解析器，能够处理这种情况。

感谢大家的帮助。

- Eugene

---

可能是重复的问题：如何解析部分HTML？ - Pekka

可能是解析HTML的最佳方法的重复问题。 - Gordon

这也在很大程度上取决于你为什么要解析这个HTML以及你是否控制源代码 - 答案可能是tidy、simpledom，甚至在某些情况下正则表达式可能是正确的工具。 - Adam Kiss

@dogmatic 我所链接的答案特别针对解析 HTML（这意味着因为 HTML 的设计问题而导致错误）。OP 寻求替代方案。DOM 可以很好地解析不完整的 HTML。而 SimpleHTMLDom 是最糟糕的 HTML 解析器解决方案。因此，我回答中给出的选项应该可以解决 OP 的问题，因此它是一个重复的答案。 - Gordon

@Gordon，您对Zend_Dom有什么看法？我听说它使用本机PHP功能，只是更加方便。还有一个关于DOM的问题。如果有一些没有关闭标签的开放标签，SimpleHTMLDom解析器就无法找到正确的部分。例如：<div><a href="..."></div></a>或者没有</a>或</div>换句话说是损坏的。DOM如何处理这个问题？ - Eugene

Answer 1

在将其加载到DOM树中之前，请通过tidy进行清理处理，http://php.net/manual/en/book.tidy.php。

- David Gillen

Answer 2

看起来 PHP 内置的东西应该可以很好地处理那些写得不太好的 HTML。阅读评论，因为有些人提供了相关信息。

http://docs.php.net/manual/en/domdocument.loadhtml.php

- dogmatic69