PHP GetElementsByTagName错误

Question

我写了一段很长的代码，我不得不从一个网站上检索很多标签，比如标题，h1，h2，h3，a，p等等。我第一次用preg_match做了这件事，但很快我意识到这是错误的做法。所以我开始用这个：

function getTextBetweenTags($string, $tagname){
    $d = new DOMDocument();
    $d->loadHTML($string);
    $return = array();
    foreach($d->getElementsByTagName($tagname) as $item){
        $return[] = $item->textContent;
    }
    return $return;
}

并检索标记：$title = getTextBetweenTags($contents, 'title');

这在正在使用的测试页面上运行得很好，这是维基百科的一个页面。

但是，当我在另一页上测试它时，它给了我很多这样的错误：

Warning: DOMDocument::loadHTML() [domdocument.loadhtml]: Input is not proper UTF-8, indicate encoding ! in Entity

在这一次之后：

Warning: DOMDocument::loadHTML() [domdocument.loadhtml]: htmlParseEntityRef: expecting ';' in Entity,

我做了一些研究，发现它期望的是一个'&'，而不是&，因此，在每个“特殊字符”之后，它都需要一个;，但是当它使用file_get_contents检索内容($file_contents = file_get_contents($url);)时。我真的不想回到preg_match (出于显而易见的原因)，所以我想问你们是否知道如何解决我的问题。

提前感谢！

Answer 1

您可以使用libxml_use_internal_errors()解决这个问题。目前，您的函数每次调用该函数时都会调用loadHTML()。我只需将HTML加载到函数之外，并将其作为参数传递。

$dom = new DOMDocument();
$errorState = libxml_use_internal_errors(TRUE); // don't display errors
$dom->loadHTML($string);
libxml_use_internal_errors($errorState); // reset the state

function getTextBetweenTags(DOMDocument $dom, $string, $tagname) {
    $return = array();
    foreach($dom->getElementsByTagName($tagname) as $item){
        $return[] = $item->textContent;
    }
    return $return;
}

示例用法：

$string = file_get_contents($url);
$title = getTextBetweenTags($dom, $string, 'title');