DOCTYPE, एचटीएमएल, हेड और बॉडी टैग के बिना शरीर की सामग्री प्राप्त करें

Question

जो मैं करने की कोशिश कर रहा हूं वह एक PHP फ़ाइल (एक समस्या नहीं) के भीतर एक HTML फ़ाइल शामिल है, लेकिन HTML फ़ाइल को इसके लिए उपयोग करने योग्य भी होना चाहिए विभिन्न कारणों से, मुझे यह जानने की ज़रूरत है कि PHP के संदर्भ में मैं डॉक्ट टाइप, एचटीएमएल, हेड और बॉडी टैग को कैसे रोक सकता हूं, यदि यह संभव है।

मैं PHP (doh!) पर विशेष रूप से अच्छा नहीं हूं इसलिए PHP मैनुअल और वेब पर मेरी खोज ने मुझे यह समझ नहीं पाया है। मतलब है कि किसी भी मदद या पढ़ने युक्तियाँ, या दोनों, बहुत सराहना की है।

$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(); 

http://codepad.org/MQVQ3XQP

किसी को देखने के लिए है कि "एक दूसरे को", संशोधन देखना चाहते हैं:

Answer 1

के बाद से substr() विधि बहुत ज्यादा कुछ निगल करने के लिए के लिए लग रहा था, यहाँ एक डोम पार्सर विधि है ।

Answer 2

DOMDocument उपयोग क्या आप के बजाय जरूरत पट्टी आप (PHP> = 5.3.6) की जरूरत नहीं है क्या रखने के लिए

$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); 
} 

Answer 3

एक डोम पार्सर का प्रयोग करें। इस परीक्षण किया लेकिन नहीं है कि आप क्या चाहते

$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 
} 

आप cannonicalization से बचना चाहते हैं, तो आप this version (@Jared Farrish करने के लिए धन्यवाद) का उपयोग कर सकते करना चाहिए

Answer 4

आप पीएचपी साफ एक्सटेंशन का उपयोग कर सकते हैं जो कर सकते हैं अवैध एक्सएचटीएमएल संरचनाओं ठीक हो (इस स्थिति DOMDocument लोड दुर्घटनाओं में) है और यह भी शरीर ही निकालें:

$tidy = new tidy(); 
$htmlBody = $tidy->repairString($html, array(
    'output-xhtml' => true, 
    'show-body-only' => true, 
), 'utf8'); 

फिर DOMDocument में निकाले शरीर लोड:

$xml = new DOMDocument(); 
$xml->loadHTML($htmlBody); 

फिर पार, निकालने, एक्सएमएल नोड्स आदि चारों ओर ले जाने .. और बचाने:

$output = $xml->saveXML(); 

Answer 5

यह एक समाधान हो सकता है। मैंने कोशिश की और यह ठीक काम करता है।

function parseHTML(string) { 
 
     var parser = new DOMParser 
 
    , result = parser.parseFromString(string, "text/html"); 
 
     return result.firstChild.lastChild.firstChild; 
 
    }

Answer 6

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

preg_match("/<body[^>]*>(.*?)<\/body>/is", $site, $matches); 

echo($matches[1]);