DOMDocument saveHTML 未返回 HTML "IMG"、"INPUT" 的正确标准

Question

我非常喜欢 PHP 库 phpQuery content parser (because its quite like jQuery, while using the PHP DOMDocument 来提取标记）但是我注意到 快速关闭事件 <img /> 而不是 <div></div>

我注意到这个错误也出现在 DOMDocument 和 phpQuery 中。

我写了一个简单的 class PhpContentDocument 来转储一个简单的 html 文档。

require_once "../phpquery_lib/phpQuery.php";
require_once "PhpContentDocument.class.php";

$sample_document = new PhpContentDocument('Sample Document');
$sample_document->addElement('text element', "<span class='text_element'>This is some Sample Text</span>");
$sample_document->addElement('image element', "<img src='png_file.png' alt='png_file' id='png_file' />");

$sample_document_string = $sample_document->get_string();

结果如您所料...

<!DOCTYPE HTML>
<html>
<head>
<title>Sample Document</title>
<meta http-equiv="Content-Type" content="text/html;charset=UTF-8" />
<body>
<span class='text_element'>This is some Sample Text</span>
<img src='png_file.png' alt='png_file' id='png_file' />
</body>
</html>

但是使用saveHTML调用文档时

$php_query_document = new DOMDocument('UTF-8', '1.0');
$php_query_document->formatOutput = true;
$php_query_document->preserveWhiteSpace = true;
$php_query_document->loadHTML($sample_document_string);

$php_query_document_string = $php_query_document->saveHTML();

echo $php_query_document_string;

它returns ...

<!DOCTYPE HTML>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html;charset=UTF-8">
<title>Sample Document</title>
</head>
<body>
<span class="text_element">This is some Sample Text</span>
<img src="png_file.png" alt="png_file" id="png_file">
</body>
</html>

我遇到的主要问题是，当我在元素 img#png_file 上使用 SimpleXMLElement（例如）

使用内容解析器 传递 <img src="png_file.png" alt="png_file" id="png_file"> 作为参数

$simple_doc = new SimpleXMLElement((string) $php_query_document->find('img#png_file'));

我收到以下警告和异常，即使我的原始标记适用于 SimpleXMLElement。

Warning: SimpleXMLElement::__construct(): Entity: line 1: parser error : Premature end of data in tag img line 1 in F:\xampp\htdocs\Test_Code\phpquery_test_items\index.php on line 17

Warning: SimpleXMLElement::__construct(): <img src="png_file.png" alt="png_file" id="png_file"> in F:\xampp\htdocs\Test_Code\phpquery_test_items\index.php on line 17

Warning: SimpleXMLElement::__construct(): ^ in F:\xampp\htdocs\Test_Code\phpquery_test_items\index.php on line 17

Fatal error: Uncaught exception 'Exception' with message 'String could not be parsed as XML' in F:\xampp\htdocs\Test_Code\phpquery_test_items\index.php:17 Stack trace: #0 F:\xampp\htdocs\Test_Code\phpquery_test_items\index.php(17): SimpleXMLElement->__construct('<img src="png_f...') #1 {main} thrown in F:\xampp\htdocs\Test_Code\phpquery_test_items\index.php on line 17

由于元素没有closing event.

TL:DR Warning: SimpleXMLElement::__construct(): Entity: line 1: parser error : Premature end of data in tag img line 1

我该如何解决这个问题？我确实有一些想法，但最好

我想要一个可以使用正则表达式（我知道元素类型）的解决方案，以便用 <{element_type}/> 替换 />，反之亦然。
DOMDocument class saveHTML 已修复（可能 class 扩展 DOMDocument 以继承其他功能）。

Answer 1

如果您使用 DOMDocument::saveXML() instead of DOMDocument::saveHTML()，您将得到有效的 XML。

如有必要，您可以删除 xml 声明行 <?xml version="1.0" encoding="UTF-8" standalone="yes"?>。

我刚刚意识到您想要 find() 方法 return 正确的 XML。因此，我不确定我的上述建议是否有帮助，如果这意味着您必须更改实现该方法的 class。

也许你可以做一些有点复杂的事情，比如：

$node = $php_query_document->find('img#png_file');
$simple_doc = new SimpleXMLElement( $node->ownerDocument->saveXML( $node ) );

这假定 $node 是包含节点的 DOMNode, which I suspect it is. What this does is ask the $node->ownerDocument (the DOMDocument 的某种实现）仅将该特定节点保存为 XML。

另一种可能性（我不一定会推荐）是让 SimpleXML 宽松一些，在解析时，通过将以下 libxml 选项传递给构造函数：

$simple_doc = new SimpleXMLElement(
    (string) $php_query_document->find('img#png_file'), 
    LIBXML_NOERROR | LIBXML_ERR_NONE | LIBXML_ERR_FATAL
);

这会在解析内容时抑制 libxml 错误。 libxml 是基础 XML 解析器，由 SimpleXML 和 DOMDocument（以及其他）使用。

DOMDocument saveHTML 未返回 HTML "IMG"、"INPUT" 的正确标准

DOMDocument saveHTML is not returning correct HTML Standards for "IMG", "INPUT"

html

simplexml

domdocument

w3c-validation

phpquery