SImple HTML DOM 解析器不解析 <body> 标签

Question

我正在使用此 simple_html_dom 解析器来尝试解析外部 url。我可以在大多数页面上正确使用它。

但是当我尝试解析网站时 http://talksport.com/football/atletico-madrid-beat-arsenal-and-west-ham-signing-portuguese-wonderkid-diogo-jota

解析器无法识别 html 中的标记。

require 'simple_html_dom.php';

$html = file_get_html('http://talksport.com/football/atletico-madrid-beat-arsenal-and-west-ham-signing-portuguese-wonderkid-diogo-jota');

// Find any tag for eg. <div>
$tag = $html->find('div',0);
var_dump($tag);

结果为空。

我试图找出发生这种情况的原因并发现

$x = $html->find('html',0)->children();

$x 只有一个子标签，即标签。标签根本没有被解析。

有人遇到过这样的问题吗？请帮忙。

Answer 1

我建议您使用 DOMDocument class 和 cURL，如下所示：

$url = "http://talksport.com/football/atletico-madrid-beat-arsenal-and-west-ham-signing-portuguese-wonderkid-diogo-jota";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
$curlReturn = curl_exec($ch);

$html = new DOMDocument();
$html->loadHTML($curlReturn);
$body = $html->getElementsByTagName("body");

curl_close($ch);

它比简单的解析器更强大。 http://php.net/manual/en/class.domdocument.php http://php.net/manual/en/book.curl.php

Answer 2

那个网站的 HTML 有很多问题。见 W3 HTML validation report:

Error End tag div seen, but there were open elements.
From line 134, column 47; to line 134, column 52
n Live</p></div>?             <
Error: Unclosed element a.
From line 133, column 5; to line 133, column 90
</h2>?                <a href="/live" class="listenLiveButtonTrigger" onclick="listenLive(1);return false;">?                 

...等等

提到了重复的 id 值、杂散的结束标记、无效属性、子样式标记的使用……以及更多问题。

我认为简单 HTML DOM 解析器在所有这些混乱中迷失了方向。

SImple HTML DOM 解析器不解析 <body> 标签

SImple HTML DOM parser not parsing <body> tag

php

simple-html-dom