parse - php dom document get element by tag name

Deshabilitar advertencias al cargar HTML no bien formado por DomDocument(PHP)

Question

Necesito analizar algunos archivos HTML, sin embargo, no están bien formados y PHP imprime advertencias. Quiero evitar dicho comportamiento de depuración / advertencia programáticamente. Por favor avise. ¡Gracias!

Código:

// create a DOM document and load the HTML data
$xmlDoc = new DomDocument;
// this dumps out the warnings
$xmlDoc->loadHTML($fetchResult);

Esta:

@$xmlDoc->loadHTML($fetchResult)

puede suprimir las advertencias, pero ¿cómo puedo capturar esas advertencias programáticamente?

Answer 1

Llamada

libxml_use_internal_errors(true);

antes del procesamiento con $xmlDoc->loadHTML()

Esto le dice a libxml2 que no envíe errores y advertencias a PHP. Luego, para verificar si hay errores y manejarlos usted mismo, puede consultar libxml_get_last_error() y / o libxml_get_errors() cuando esté listo.

Answer 2

Para ocultar las advertencias, debe dar instrucciones especiales a libxml que se usa internamente para realizar el análisis:

libxml_use_internal_errors(true);
$dom->loadHTML($html);
libxml_clear_errors();

libxml_use_internal_errors(true) indica que va a manejar los errores y las advertencias usted mismo y no quiere que arruinen el resultado de su script.

Esto no es lo mismo que el operador @ . Las advertencias se recopilan detrás de escena y luego puede recuperarlas utilizando libxml_get_errors() en caso de que desee realizar un registro o devolver la lista de problemas a la persona que llama.

Ya sea que esté utilizando o no las advertencias recopiladas, siempre debe borrar la cola llamando a libxml_clear_errors() .

Preservando el estado

Si tiene otro código que utiliza libxml , puede valer la pena asegurarse de que su código no altere el estado global del manejo de errores; para esto, puede usar el valor de retorno de libxml_use_internal_errors() para guardar el estado anterior.

// modify state
$libxml_previous_state = libxml_use_internal_errors(true);
// parse
$dom->loadHTML($html);
// handle errors
libxml_clear_errors();
// restore
libxml_use_internal_errors($libxml_previous_state);

Answer 3

Puede instalar un controlador de error temporal con set_error_handler

class ErrorTrap {
  protected $callback;
  protected $errors = array();
  function __construct($callback) {
    $this->callback = $callback;
  }
  function call() {
    $result = null;
    set_error_handler(array($this, ''onError''));
    try {
      $result = call_user_func_array($this->callback, func_get_args());
    } catch (Exception $ex) {
      restore_error_handler();        
      throw $ex;
    }
    restore_error_handler();
    return $result;
  }
  function onError($errno, $errstr, $errfile, $errline) {
    $this->errors[] = array($errno, $errstr, $errfile, $errline);
  }
  function ok() {
    return count($this->errors) === 0;
  }
  function errors() {
    return $this->errors;
  }
}

Uso:

// create a DOM document and load the HTML data
$xmlDoc = new DomDocument();
$caller = new ErrorTrap(array($xmlDoc, ''loadHTML''));
// this doesn''t dump out any warnings
$caller->call($fetchResult);
if (!$caller->ok()) {
  var_dump($caller->errors());
}