curl保存整个html页面,从cURL请求中正确格式化HTML

我正在研究一个小程序，它允许用户输入新闻文章或其他网页(日文)的URL，并在我的页面的iFrame中查看该页面的内容。这个想法是，一旦内容被加载到页面中，用户可以使用它们的光标来突出显示单词，该单词将所选文本存储在数组中(用于翻译/添加到术语的个人词典)，并将文本包围在红色框中(div)根据我的域上定义的样式表。为此，我使用cURL来检索外部页面的HTML并将其转储到iFrame的源代码中。从cURL请求中正确格式化HTML

但是，我不断遇到检索到的HTML的主要格式问题。最大的问题是保留样式表，为了解决这个问题，我使用DOMDocument将标签添加到检索到的HTML部分。这适用于某些网页/网址，但许多其他网页的输出HTML仍存在很多样式问题。例如，div层相互碰撞，对齐关闭，背景丢失。由于我需要将输出HTML嵌入到一个新的函数中，以便使嵌入式内容中的文本选择能够传递的onClick javascript函数正常工作，这意味着所得到的源代码看起来像这样：

似乎大部分我所遇到的很多格式问题在很大程度上都是随意的。我试过使用PHP Tidy清理HTML输出，但这也只适用于某些页面，但不适用于其他页面。我有一个轻微的怀疑，它可能与CDATA声明在处理DOMDocument时被奇怪地解析，但我不确定。

有没有一种方法可以保证cURL的HTML输出在所有情况下都能正确和忠实地呈现？或者，有没有更好的方法去做这件事？我尝试了很多不同的方法来解决这个问题，并且每个方法都更接近解决方案，但也带来了自己的新问题。

谢谢 - 让我知道我是否可以澄清任何事情。

2012-05-02

braunsg