php中DOMDocument的几点记录

php中DOMDocument的几点记录

用了大半天时间将  Readability 移植到php中来。其间主要用的是php中的DOMDocument类，这里做一些记录。

1. 如果 html 代码不规范，用 DOMDocument::loadHTML 时会有一些错误提示，不过不影响使用。可以在调 loadHTML 前使用 libxml_use_internal_errors(true); 忽略不重要的错误输出。

2. DOMDocument::loadHTML会判断 html 的 <meta> 字段里的 charset 类型，所以不用在创建 DOMDocument 对象时指定编码，否则可能出错。

3. 如果用 foreach 迭代 DOMNode::getElementsByTagName 返回的集合去删除某些节点时，会有问题（删不掉），如下面的代码是有问题的：

foreach ($node->getElementsByTagName('div') as $n)
$n->parentNode->removeChild($n);

正确的做法是：

function remove(DOMNode &$node, $unuse = null)
{
if ($node->parentNode)
$node->parentNode->removeChild($node);
}
$nodes = array();
foreach ($node->getElementsByTagName($tag) as $n)
array_unshift($nodes, $n);
array_walk($nodes, 'remove');

用 array_unshift 的原因是删的时候应该从 getElementsByTagName 返回的集合后边往前删。避免出现无效节点。

4. 可以用 getElementsByTagName('*') 来获取所有节点

5. 用 DOMDocument::saveXML 导出某个节点为字串时，这个节点必须是属于此 DOMDocument 的。如果传入的是其他 DOMDocument 对象的节点，就会抛出异常。所以要导出某节点 $node ，最好是用： $node->ownerDocument->saveXML($node)

6. DOMNode 及其派生的各类中没有像浏览器DOM结构的 innerHTML 属性可以读取/设置整个DOM结构。我的做法是，要读取某节点的 innerHTML，就将其所有子节点 saveXML()，然后拼接起来；设置某节点的 innerHTML 时，先构造html内容，然后用新的 DOMDocument 对象将html载入，再用新节点替换旧节点。

7. 用 php_sapi_name() 来判断php脚本是从命令行执行的（返回值为cli）还是从web服务器调起的（返回值是cgi）。