Sparrow
Новичок
DOM, xml, html
Уважаемые коллеги, просьба помочь разобраться с решением следующей задачи.
Дано: есть документ (на самом деле их много, но они однотипны) в html, не вполне well-formed, но Mozilla Firefox в DOM Inspector'е ничего фатального не обнаруживает.
Надо: 1. вырезать оттуда кусок html, начиная с определенного тега и заканчивая его окончанием. Например:
2. Преобразовать все ссылки в этом коде
Пытаюсь для этого использовать следующий код (php 5.1):
(Функция ShowMessage - для вывода результатов в лог-файл, второй параметр - для фильтра вывода, сейчас выводится все).
Проблема: если я использую importNode, то выводится пустой контент вместо html. Если appendChild, то вываливается exception. Исходный html парсится, (проверено выводом этого дела в лог) правда с кучей warning'ов (в основном по поводу того, что используется '&' в явном виде, а не '& amp;'. Проблемы начинаются именно тогда, когда я пытаюсь преобразовать найденный узел в документ и сохранить его.
Подскажите, где тут собака зарыта.
-~{}~ 28.04.06 12:28:
Однако решение нашел в соседней цепочке:
Уважаемые коллеги, просьба помочь разобраться с решением следующей задачи.
Дано: есть документ (на самом деле их много, но они однотипны) в html, не вполне well-formed, но Mozilla Firefox в DOM Inspector'е ничего фатального не обнаруживает.
Надо: 1. вырезать оттуда кусок html, начиная с определенного тега и заканчивая его окончанием. Например:
PHP:
<html>....
<body>
....
<td class="normal">
<!-- Вот отсюда нужно начинать копировать -->
<table width="100%" ... >
....
</table>
<!-- А здесь - конец -->
</td>
</body>
</html>Пытаюсь для этого использовать следующий код (php 5.1):
(Функция ShowMessage - для вывода результатов в лог-файл, второй параметр - для фильтра вывода, сейчас выводится все).
PHP:
function parse_ip_html($sBuffer)
{
ShowMessage("\nSource data: $sBuffer\n", 7);
ShowMessage("Using DOM 2 Parser\n", 5);
// create the DOM object
$obDocument = new DOMDocument('1.0', 'iso-8859-1');
if (!$obDocument->loadHTML($sBuffer))
{
ShowMessage(" Failed to initialize DOM\n", 5);
return false;
}
else
{
ShowMessage("\nxml tree: \n\n ". $obDocument->saveXML() . "\n\n", 7);
}
// look for the 'root' node
ShowMessage("scanning for the right node...", 6);
if(!$obNodeList = $obDocument->getElementsByTagName('td'))
{
ShowMessage("Failed to parse current document\n\n", 0);
exit;
}
foreach($obNodeList as $obNode)
{
if ($obNode->hasAttributes() && $obNode->hasChildNodes())
{
//ShowMessage("found node: ". $obNode->tagName, 6);
if ($obNode->getAttribute('class') == 'normal')
{
ShowMessage("Found.", 6);
// get the inner table
$arChildren = $obNode->childNodes;
foreach($arChildren as $obChildNode)
{
ShowMessage("tag name: " . $obChildNode->tagName. ", ", 7);
if ($obChildNode->tagName == 'table')
{
$bFound = true;
break;
}
}
ShowMessage($bFound, 7);
if ($bFound)
{
try {
$obNewDocument = new DOMDocument('1.0', 'iso-8859-1');
$obNewDocument->importNode($obChildNode, true);
}
catch (Exception $ex)
{
ShowMessage("Exception caught: ".$ex->getMessage()."\n", 1);
exit();
}
ShowMessage("Current subtree: \n=====================\n".$obNewDocument->saveXML()."\n\n", 7);
exit;
ShowMessage("Converting links... ", 6);
// process links here
/*
$obLinkList = $obNewDocument->getElementsByTagName('a');
foreach($obLinkList as $obLink)
{
if($obLink->hasAttribute('href'))
{
$url = $obLink->getAttribute('href');
$newurl = convert_ip_link($url);
$obLink->setAttribute('href', $newUrl);
}
// else it is an anchor, continue
}
*/
ShowMessage("done.\n", 6);
ShowMessage("Current subtree: \n=====================\n".$obNewDocument->saveXML()."\n\n", 7);
// convert images
return $obNewDocument->saveHTML();
}
}
}
}
ShowMessage('This document is empty', 3);
return false;Подскажите, где тут собака зарыта.
-~{}~ 28.04.06 12:28:
Однако решение нашел в соседней цепочке:
PHP:
$obNewDocument->appendChild($obNewDocument->importNode($obChildNode->cloneNode(true), true));
