为什么HTML文件没有body,获取没有DOCTYPE，HTML，HEAD和BODY标签的BODY内容

7 个答案:

答案 0 :(得分：16)

由于substr()方法对于某些人来说似乎太多了，所以这是一个DOM解析器方法：

$d = new DOMDocument;

$mock = new DOMDocument;

$d->loadHTML(file_get_contents('/path/to/my.html'));

$body = $d->getElementsByTagName('body')->item(0);

foreach ($body->childNodes as $child){

$mock->appendChild($mock->importNode($child, true));

}

echo $mock->saveHTML();

任何人都希望看到“其他人”，请参阅修订版。

答案 1 :(得分：5)

使用DOMDocument来保存您需要的内容而不是删除您不需要的内容(PHP＆gt; = 5.3.6)

$d = new DOMDocument;

$d->loadHTMLFile($fileLocation);

$body = $d->getElementsByTagName('body')->item(0);

// perform innerhtml on $body by enumerating child nodes

// and saving them individually

foreach ($body->childNodes as $childNode) {

echo $d->saveHTML($childNode);

}

答案 2 :(得分：3)

$site = file_get_contents("http://www.google.com/");

preg_match("/

]*>(.*?)/is", $site, $matches);

echo($matches[1]);

答案 3 :(得分：2)

您可能希望使用PHP整理扩展来修复无效的XHTML结构(在这种情况下DOMDocument加载崩溃)并且还仅提取正文：

$tidy = new tidy();

$htmlBody = $tidy->repairString($html, array(

'output-xhtml' => true,

'show-body-only' => true,

), 'utf8');

然后将提取的主体加载到DOMDocument：

$xml = new DOMDocument();

$xml->loadHTML($htmlBody);

然后遍历，提取，移动XML节点等。并保存：

$output = $xml->saveXML();

答案 4 :(得分：2)

使用DOM解析器。这没有经过测试，但应该做你想做的事情

$domDoc = new DOMDocument();

$domDoc.loadHTMLFile('/path/to/file');

$body = $domDoc->GetElementsByTagName('body')->item(0);

foreach ($body->childNodes as $child){

echo $child->C14N(); //Note this cannonicalizes the representation of the node, but that's not necessarily a bad thing

}

如果你想避免使用cannonicalization，你可以使用this version(感谢@Jared Farrish)

答案 5 :(得分：0)

仅具有一个DOMDocument实例且没有循环的解决方案

$d = new DOMDocument();

$d->loadHTML(file_get_contents('/path/to/my.html'));

$body = $d->getElementsByTagName('body')->item(0);

echo $d->saveHTML($body);

答案 6 :(得分：-1)

这可能是一个解决方案。我试过了，它工作正常。

function parseHTML(string) {

var parser = new DOMParser

, result = parser.parseFromString(string, "text/html");

return result.firstChild.lastChild.firstChild;

}