Problem z odczytaniem pliku HTML. Opcje

[kaapa]

Witam!
Potrzebuję odczytać plik html podobnie jak xml(najlepiej przez simplexml, chociaż domem też nie pogardzę). Chodzi o to że strona nie ma odpowiedniej struktury i dlatego plik nie może zostać załadowany ani przez dom ani przez simplexml. Wyrzuca mniej więcej takie błędy

[PHP] pobierz, plaintext 
<?php
Warning: simplexml_load_file() [function.simplexml-load-file]: test.html:34: parser error : Opening and ending tag mismatch: link line 14 and head in D:xampphtdocssygnaturka&#092;test.php on line 2
 
Warning: simplexml_load_file() [function.simplexml-load-file]: </head> in D:xampphtdocssygnaturka&#092;test.php on line 2
?>
[PHP] pobierz, plaintext 

Oczywiście dane mogę odczytać przez explode, ale to strasznie ograniczy wydajność skryptu. Czy można jakoś ominąć dokładne sprawdzanie struktury dokumentu?
Proszę o pomoc.
Pozdrawiam,
Kacper.

[artur81]

próbowałeś file_get_contents" title="Zobacz w manualu PHP" target="_manual ?

[kaapa]

Tak samo, jakieś inne pomysły ? (IMG:http://forum.php.pl/style_emoticons/default/biggrin.gif)

[Lejto]

pochwalisz się kodem? może tam coś nie gra, albo ścieżki masz nie te

[kaapa]

Ścieżka jest na 100% dobra, kwestia jest tego że strona jest zbudowana nie zgodnie ze standardami xml. Jest jakaś funkcja która przeleci mi ciąg i podomyka znaczniki itd ?
Kod

[PHP] pobierz, plaintext 
<?php
$file = file_get_contents('test.html');
$dom = new DOMDocument();
$dom->loadXML($file);
?>
[PHP] pobierz, plaintext 

Zwykłe wczytanie nic więcej ;/

[Lejto]

a po co file_get_contents? może nie masz biblioteki DOM
info: http://pl.php.net/dom

[kaapa]

Wczytałem bezpośrednio domem no i znowu error, widze że chyba explode to jedyne rozwiązanie.
[php][/php]Warning: DOMDocument::loadXML() [function.DOMDocument-loadXML]: Start tag expected, '<' not found in Entity, line: 1

[Lejto]

a zobacz z error_reporting(0); (IMG:http://forum.php.pl/style_emoticons/default/tongue.gif) , ale chyba to nic nie da

[l0ud]

Nie da się przetworzyć niepoprawnego kodu XML. Dlaczego przeglądarki nie potrafią wyświetlić strony w XHTML1.1 gdy ta zawiera nawet jeden, drobny błąd?

kaapa, pozostaje Ci użyć do tego wyrażeń regularnych. Wydajnością bym się nie martwił - i tak 99% czasu wykonywania skryptu zajmie ściąganie tego pliku...

[kaapa]

A zadam jeszcze jedno pytanie, może troszke mały ot będzie ;p Czy wyrażenia regularne są dużo wydajniejsze od funkcji explode ?

[dadexix]

zależy co chcesz robić, na jaki duzym stringu...
Czasem lepiej to czasem to, zresztą całkiem nie rozumiem ponieważ wyrażenia regularne mogą się dopasować a explode - nie...

[ucho]

Spróbuj http://simplehtmldom.sourceforge.net/ - nie ma problemów z parsowaniem błędnego kodu, i można bardzo wygodnie wyszukiwać elementy po atrybutach, klasach czy normalnie po id zaś całość to tylko jeden plik.

Ten post edytował ucho 10.07.2008, 08:03:07