php - parser - Dom loadHTML no funciona correctamente en un servidor

php dom get element by tag name

Question

Primero ejecuté el código en MAMP y funcionó muy bien. Pero cuando intenté ejecutar el código en otro servidor, recibí muchas advertencias como:

Advertencia: DOMDocument :: loadHTML (): Etiqueta final inesperada: head en Entity, línea: 3349 en /cgihome/zhang1/html/cgi-bin/getPrice.php en la línea 17 Advertencia: DOMDocument :: loadHTML (): htmlParseStartTag: misplaced etiqueta en Entidad, línea: 3350 en /cgihome/zhang1/html/cgi-bin/getPrice.php en la línea 17 Advertencia: DOMDocument :: loadHTML (): Encabezado de etiqueta no válido en la Entidad, línea: 3517 en / cgihome / zhang1 / html /cgi-bin/getPrice.php en la línea 17

Los códigos son los siguientes:

<?php
$amazon = file_get_contents(''http://www.amazon.com/blablabla'');
$doc = new DOMdocument();
$doc->loadHTML($amazon);
$doc->saveHTML();
$price = $doc -> getElementById(''actualPriceValue'')->textContent;
$ASIN = $doc -> getElementById(''ASIN'')->getAttribute(''value'');
?>

Alguien sabe lo que está pasando? ¡Gracias!

Answer 1

Este problema está relacionado con el código no xHTML

Como DOMdocument () solo puede procesar XHTML limpio , necesitas limpiar tu código

Php tiene una extensión que hace el trabajo bastante bien. Llamado Tidy php.net/book.tidy

Puede ser complicado ya que puede necesitar habilitarlo en su php.ini

Entonces

$tidy_config = array(
''clean'' => true,
''output-xhtml'' => true,
''show-body-only'' => true,
''wrap'' => 0,
);
$tidy = tidy_parse_string( $html, $tidy_config, ''UTF8'');
$tidy->cleanRepair();
$doc = new DOMdocument();
$doc->loadHTML( (string) $tidy);

Answer 2

Para deshabilitar la advertencia, puede utilizar

libxml_use_internal_errors(true);

Esto funciona para mí. Manual

Fondo: Usted está cargando HTML no válido. HTML no válido es bastante común, DOMDocument::loadHTML corrige la mayoría de los problemas, pero da advertencias de forma predeterminada.

Con Manual puedes controlar ese comportamiento. Configúralo antes de cargar el documento:

libxml_use_internal_errors(true);
$doc->loadHTML($amazon);

Answer 3

Puedes suprimir la advertencia así:

@$doc->loadHTML($amazon);