Penggunaan fungsi GETELEMENTBYTAG pada PHP

Kemudian elemen kontainer ini dihapus dari dokumen (tetapi DOMElement masih ada).

Kemudian semua anak langsung dari dokumen dihapus. Ini termasuk setiap tag , dan yang ditambahkan (secara efektif opsi LIBXML_HTML_NOIMPLIED) serta deklarasi (efektif LIBXML_HTML_NODEFDTD).

Kemudian semua anak langsung dari wadah ditambahkan ke dokumen lagi dan itu bisa menjadi output.

$str = '
Lorem ipsum dolor sit amet.
Nunc vel vehicula ante.
';

$doc = new DOMDocument();

$doc->loadHTML("
$str
");

$container = $doc->getElementsByTagName('div')->item(0);

$container = $container->parentNode->removeChild($container);

while ($doc->firstChild) {
    $doc->removeChild($doc->firstChild);
}

while ($container->firstChild ) {
    $doc->appendChild($container->firstChild);
}

$htmlFragment = $doc->saveHTML();

XPath berfungsi seperti biasa, hanya berhati-hati karena ada beberapa elemen dokumen sekarang, jadi bukan simpul root tunggal:

$xpath = new DOMXPath($doc);
foreach ($xpath->query('/p') as $element)
{   #                   ^- note the single slash "/"
    # ... each of the two 
 element

• PHP 5.4.36-1 + deb.sury.org ~ tepat + 2 (cli) (dibangun: 21 Des 2014 20:28:53) 

Masalah dengan jawaban teratas adalah LIBXML_HTML_NOIMPLIED tidak stabil.

Itu dapat menyusun ulang elemen (terutama, memindahkan tag penutup elemen atas ke bagian bawah dokumen), menambahkan tag p acak, dan mungkin berbagai masalah lain [1] . Mungkin menghapus tag html dan body untuk Anda, tetapi dengan biaya perilaku yang tidak stabil. Dalam produksi, itu bendera merah. Pendeknya:

Jangan gunakan LIBXML_HTML_NOIMPLIED. Sebagai gantinya, gunakan substr.

Pikirkan tentang itu. Panjang dan ditetapkan dan di kedua ujung dokumen - ukurannya tidak pernah berubah, dan posisi mereka juga tidak. Ini memungkinkan kami menggunakan substr untuk memotongnya:

$dom = new domDocument; 
$dom->loadHTML($html, LIBXML_HTML_NODEFDTD);

echo substr($dom->saveHTML(), 12, -15); // the star of this operation

(INI IS BUKANLAH SOLUSI AKHIRNYA! Lihat di bawah untuk jawaban lengkap, teruslah membaca untuk konteksnya)

Kami memotong 12 dari awal dokumen karena = 12 karakter (<<>>+html+body = 4 + 4 + 4), dan kami mundur dan memotong 15 karena \n = 15 karakter (\n+//+<<>>+body+html = 1 + 2 + 4 + 4 + 4 + 4 + 4 + 4 + + 4)

Perhatikan bahwa saya masih menggunakan LIBXML_HTML_NODEFDTD mengabaikan !DOCTYPE agar tidak disertakan. Pertama, ini menyederhanakan penghapusan tag HTML/BODY substr. Kedua, kami tidak menghapus doctype dengan substr karena kami tidak tahu apakah ' default doctype ' akan selalu menjadi sesuatu yang panjangnya tetap. Tapi, yang paling penting, LIBXML_HTML_NODEFDTD menghentikan parser DOM dari menerapkan doctype non-HTML5 ke dokumen - yang setidaknya mencegah parser dari memperlakukan elemen yang tidak dikenali sebagai teks longgar.

Kami tahu pasti bahwa tag HTML/BODY memiliki panjang dan posisi yang tetap, dan kami tahu bahwa konstanta seperti LIBXML_HTML_NODEFDTD tidak pernah dihapus tanpa semacam pemberitahuan penghentian, sehingga metode di atas akan bergulir dengan baik ke masa depan, TETAPI ...

... satu-satunya peringatan adalah bahwa implementasi DOM bisa mengubah cara tag HTML/BODY ditempatkan dalam dokumen - misalnya, menghapus baris baru di akhir dokumen, menambahkan spasi di antara tag , atau menambahkan baris baru.

Ini dapat diatasi dengan mencari posisi tag pembuka dan penutup untuk body, dan menggunakan offset itu untuk memangkas panjang kita. Kami menggunakan strpos dan strrpos untuk mencari offset dari depan dan belakang, masing-masing:

$dom = new domDocument; 
$dom->loadHTML($html, LIBXML_HTML_NODEFDTD);

$trim_off_front = strpos($dom->saveHTML(),'') + 6;
// PositionOf + 6 = Cutoff offset after ''
// 6 = Length of ''

$trim_off_end = (strrpos($dom->saveHTML(),'')) - strlen($dom->saveHTML());
// ^ PositionOf - LengthOfDocument = Relative-negative cutoff offset before ''

echo substr($dom->saveHTML(), $trim_off_front, $trim_off_end);

Sebagai penutup, pengulangan jawaban final, bukti masa depan:

$dom = new domDocument; 
$dom->loadHTML($html, LIBXML_HTML_NODEFDTD);

$trim_off_front = strpos($dom->saveHTML(),'') + 6;
$trim_off_end = (strrpos($dom->saveHTML(),'')) - strlen($dom->saveHTML());

echo substr($dom->saveHTML(), $trim_off_front, $trim_off_end);

Tidak ada DOCTYPE, tidak ada tag html, tidak ada tag tubuh. Kami hanya bisa berharap parser DOM akan menerima lapisan Paint baru segera dan kami dapat lebih langsung menghilangkan tag yang tidak diinginkan ini.

Ini tahun 2017, dan untuk Pertanyaan 2011 ini saya tidak suka salah satu jawabannya . Banyak regex, kelas besar, loadXML dll ...

Solusi mudah yang memecahkan masalah yang diketahui:

$dom = new DOMDocument();
$dom->loadHTML( ''.mb_convert_encoding($html, 'HTML-ENTITIES', 'UTF-8').'' , LIBXML_HTML_NODEFDTD);
$html = substr(trim($dom->saveHTML()),12,-14);

Mudah, Sederhana, Solid, Cepat. Kode ini akan berfungsi mengenai tag HTML dan penyandian seperti:

$html = '
äöü
ß
';

Jika ada yang menemukan kesalahan, tolong katakan, saya akan menggunakan ini sendiri.

Edit , Opsi valid lain yang berfungsi tanpa kesalahan (sangat mirip dengan yang sudah diberikan):

@$dom->loadHTML(mb_convert_encoding($html, 'HTML-ENTITIES', 'UTF-8'));
$saved_dom = trim($dom->saveHTML());
$start_dom = stripos($saved_dom,'')+6;
$html = substr($saved_dom,$start_dom,strripos($saved_dom,'') - $start_dom );

Anda bisa menambahkan tubuh sendiri untuk mencegah hal aneh pada bulunya.

Opsi ketiga:

 $mock = new DOMDocument;
 $body = $dom->getElementsByTagName('body')->item(0);
  foreach ($body->childNodes as $child){
     $mock->appendChild($mock->importNode($child, true));
  }
$html = trim($mock->saveHTML());

Gunakan fungsi ini

$layout = preg_replace('~<(?:!DOCTYPE|/?(?:html|head|body))[^>]*>\s*~i', '', $layout);

Oke saya menemukan solusi yang lebih elegan, tapi itu membosankan:

$d = new DOMDocument();
@$d->loadHTML($yourcontent);
...
// do your manipulation, processing, etc of it blah blah blah
...
// then to save, do this
$x = new DOMXPath($d);
$everything = $x->query("body/*"); // retrieves all elements inside body tag
if ($everything->length > 0) { // check if it retrieved anything in there
      $output = '';
      foreach ($everything as $thing) {
           $output .= $d->saveXML($thing);
      }
      echo $output; // voila, no more annoying html wrappers or body tag
}

Baiklah, semoga ini tidak menghilangkan apa pun dan membantu seseorang?

Tidak ada solusi lain pada saat penulisan ini (Juni, 2012) yang dapat sepenuhnya memenuhi kebutuhan saya, jadi saya menulis solusi yang menangani kasus-kasus berikut: 

• Menerima konten teks biasa yang tidak memiliki tag, serta konten HTML.
• Tidak menambahkan tag apa pun (termasuk , , , , dan tag

  )

• Meninggalkan apa pun yang dibungkus

  sendirian.

• Meninggalkan teks kosong saja.

Jadi, inilah solusi yang memperbaiki masalah tersebut:

class DOMDocumentWorkaround
{
    /**
     * Convert a string which may have HTML components into a DOMDocument instance.
     *
     * @param string $html - The HTML text to turn into a string.
     * @return \DOMDocument - A DOMDocument created from the given html.
     */
    public static function getDomDocumentFromHtml($html)
    {
        $domDocument = new DOMDocument();

        // Wrap the HTML in 
 tags because loadXML expects everything to be within some kind of tag.
        // LIBXML_NOERROR and LIBXML_NOWARNING mean this will fail silently and return an empty DOMDocument if it fails.
        $domDocument->loadXML('
' . $html . '
', LIBXML_NOERROR | LIBXML_NOWARNING);

        return $domDocument;
    }

    /**
     * Convert a DOMDocument back into an HTML string, which is reasonably close to what we started with.
     *
     * @param \DOMDocument $domDocument
     * @return string - The resulting HTML string
     */
    public static function getHtmlFromDomDocument($domDocument)
    {
        // Convert the DOMDocument back to a string.
        $xml = $domDocument->saveXML();

        // Strip out the XML declaration, if one exists
        $xmlDeclaration = "\n";
        if (substr($xml, 0, strlen($xmlDeclaration)) == $xmlDeclaration) {
            $xml = substr($xml, strlen($xmlDeclaration));
        }

        // If the original HTML was empty, loadXML collapses our 
 into 
. Remove it.
        if ($xml == "
\n") {
            $xml = '';
        }
        else {
            // Remove the opening 
 tag we previously added, if it exists.
            $openDivTag = "
";
            if (substr($xml, 0, strlen($openDivTag)) == $openDivTag) {
                $xml = substr($xml, strlen($openDivTag));
            }

            // Remove the closing 
 tag we previously added, if it exists.
            $closeDivTag = "
\n";
            $closeChunk = substr($xml, -strlen($closeDivTag));
            if ($closeChunk == $closeDivTag) {
                $xml = substr($xml, 0, -strlen($closeDivTag));
            }
        }

        return $xml;
    }
}

Saya juga menulis beberapa tes yang akan hidup di kelas yang sama:

public static function testHtmlToDomConversions($content)
{
    // test that converting the $content to a DOMDocument and back does not change the HTML
    if ($content !== self::getHtmlFromDomDocument(self::getDomDocumentFromHtml($content))) {
        echo "Failed\n";
    }
    else {
        echo "Succeeded\n";
    }
}

public static function testAll()
{
    self::testHtmlToDomConversions('
Here is some sample text
');
    self::testHtmlToDomConversions('
Lots of 
nested 
divs
');
    self::testHtmlToDomConversions('Normal Text');
    self::testHtmlToDomConversions(''); //empty
}

Anda dapat memeriksa apakah itu berfungsi untuk Anda sendiri. DomDocumentWorkaround::testAll() mengembalikan ini:

    Succeeded
    Succeeded
    Succeeded
    Succeeded

Menambahkan tag akan memicu perilaku memperbaiki DOMDocument. Bagian baiknya adalah Anda tidak perlu menambahkan tag itu sama sekali. Jika Anda tidak ingin menggunakan pengkodean pilihan Anda, sampaikan saja sebagai argumen konstruktor.

http://php.net/manual/en/domdocument.construct.php

$doc = new DOMDocument('1.0', 'UTF-8');
$node = $doc->createElement('div', 'Hello World');
$doc->appendChild($node);
echo $doc->saveHTML();

Keluaran

Hello World

Terima kasih kepada @Bart

Saya memiliki persyaratan ini juga, dan menyukai solusi yang diposting oleh Alex di atas. Namun ada beberapa masalah - jika elemen mengandung lebih dari satu elemen child, dokumen yang dihasilkan hanya akan berisi elemen child pertama dari , tidak semuanya. Juga, saya membutuhkan pengupasan untuk menangani berbagai hal secara kondisional - hanya ketika Anda memiliki dokumen dengan judul HTML. Jadi saya memperbaikinya sebagai berikut. Alih-alih menghapus , saya mengubahnya menjadi

function strip_html_headings($html_doc)
{
    if (is_null($html_doc))
    {
        // might be better to issue an exception, but we silently return
        return;
    }

    // remove firstChild) &&
        $html_doc->firstChild->nodeType == XML_DOCUMENT_TYPE_NODE)
    {
        $html_doc->removeChild($html_doc->firstChild);     
    }

    if (!is_null($html_doc->firstChild) &&
        strtolower($html_doc->firstChild->tagName) == 'html' &&
        !is_null($html_doc->firstChild->firstChild) &&
        strtolower($html_doc->firstChild->firstChild->tagName) == 'body')
    {
        // we have 'html/body' - replace both nodes with a single "div"        
        $div_node = $html_doc->createElement('div');

        // copy all the child nodes of 'body' to 'div'
        foreach ($html_doc->firstChild->firstChild->childNodes as $child)
        {
            // deep copies each child node, with attributes
            $child = $html_doc->importNode($child, true);
            // adds node to 'div''
            $div_node->appendChild($child);
        }

        // replace 'html/body' with 'div'
        $html_doc->removeChild($html_doc->firstChild);
        $html_doc->appendChild($div_node);
    }
}

function extractDOMContent($doc){
    # remove removeChild($doc->doctype);

    // lets get all children inside the body tag
    foreach ($doc->firstChild->firstChild->childNodes as $k => $v) {
        if($k !== 0){ // don't store the first element since that one will be used to replace the html tag
            $doc->appendChild( clone($v) ); // appending element to the root so we can remove the first element and still have all the others
        }
    }
    // replace the body tag with the first children
    $doc->replaceChild($doc->firstChild->firstChild->firstChild, $doc->firstChild);
    return $doc;
}

$doc = new DOMDocument();
$doc->encoding = 'UTF-8';
$doc->loadHTML('
Some html here
And more html
and some html
');
$doc = extractDOMContent($doc);

$dom = new DOMDocument();
$dom->loadHTML('' . $document, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$dom->saveHTML();

$dom->loadHTML(mb_convert_encoding($document, 'HTML-ENTITIES', 'UTF-8'), LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
    $dom->saveHTML($dom->documentElement));

$dom->loadHTML($document, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
utf8_decode($dom->saveHTML($dom->documentElement));

$dom = new DOMDocument();
$dom->loadHTML($content);

//do your stuff..

$finalHtml = '';
$bodyTag = $dom->documentElement->getElementsByTagName('body')->item(0);
foreach ($bodyTag->childNodes as $rootLevelTag) {
    $finalHtml .= $dom->saveHTML($rootLevelTag);
}
echo $finalHtml;

$domxpath = new \DOMXPath($domDocument);

/** @var \DOMNodeList $subset */
$subset = $domxpath->query('descendant-or-self::body/*');

$html = '';
foreach ($subset as $domElement) {
    /** @var $domElement \DOMElement */
    $html .= $domDocument->saveHTML($domElement);
}

LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD

loadHTML(''.$html);
$tabContentDomDoc->encoding = 'UTF-8';
$tabContentDomDocBody = $tabContentDomDoc->getElementsByTagName('body')->item(0);
if(is_object($tabContentDomDocBody)){
    echo (str_replace("body","div",$tabContentDomDoc->saveXML($tabContentDomDocBody)));
}
?>

    $output = '';
    $doc = new DOMDocument();
    $doc->loadHTML($htmlString); //feed with html here

    if (isset($doc->firstChild)) {

        /* remove doctype */

        $doc->removeChild($doc->firstChild);

        /* remove html and body */

        if (isset($doc->firstChild->firstChild->firstChild)) {
            $doc->replaceChild($doc->firstChild->firstChild->firstChild, $doc->firstChild);
            $output = trim($doc->saveHTML());
        }
    }
    return $output;

function filter_dom_serialize($dom_document) {
  $body_node = $dom_document->getElementsByTagName('body')->item(0);
  $body_content = '';

  if ($body_node !== NULL) {
    foreach ($body_node->getElementsByTagName('script') as $node) {
      filter_dom_serialize_escape_cdata_element($dom_document, $node);
    }

    foreach ($body_node->getElementsByTagName('style') as $node) {
      filter_dom_serialize_escape_cdata_element($dom_document, $node, '/*', '*/');
    }

    foreach ($body_node->childNodes as $child_node) {
      $body_content .= $dom_document->saveXML($child_node);
    }
    return preg_replace('|<([^> ]*)/>|i', '<$1 />', $body_content);
  }
  else {
    return $body_content;
  }
}

First.
Second.
'

First.
Second.
'

$doc = new DOMDocument()
$doc->loadHTML($content);

// remove removeChild($doc->doctype);  
$content = $doc->saveHTML();
// remove  
$content = str_replace('', '', $content);
$content = str_replace('', '', $content);

$html_piece = "[MARK]".$html_piece."[/MARK]";
$dom->loadHTML($html_piece);

$new_html_piece = $dom->saveHTML();

$new_html_piece = preg_replace( "/]*?>(\[MARK\]|\s)*?<\/p>/", "[MARK]" , $new_html_piece );

$pattern_contents = '{\[MARK\](.*?)\[\/MARK\]}is';
if (preg_match($pattern_contents, $new_html_piece, $matches)) {
    $new_html_piece = $matches[1];
}

return $new_html_piece;