DOMDocument удаляет теги скриптов из источника HTML
Я использовал подход @Alex здесь для удаления тегов скриптов из HTML-документа с помощью встроенного DOMDocument. Проблема в том, что если у меня есть тег сценария с содержимым Javascript, а затем другой тег сценария, который ссылается на внешний исходный файл Javascript, не все теги сценария удаляются из HTML.
$result = '
<!doctype html>
<html>
<head>
<meta charset="utf-8">
<title>
hey
</title>
<script type="text/javascript" src="http://ajax.googleapis.com/ajax/libs/jquery/1.9.1/jquery.min.js"></script>
<script>
alert("hello");
</script>
</head>
<body>hey</body>
</html>
';
$dom = new DOMDocument();
if($dom->loadHTML($result))
{
$script_tags = $dom->getElementsByTagName('script');
$length = $script_tags->length;
for ($i = 0; $i < $length; $i++) {
if(is_object($script_tags->item($i)->parentNode)) {
$script_tags->item($i)->parentNode->removeChild($script_tags->item($i));
}
}
echo $dom->saveHTML();
}
Приведенный выше код выводит:
<html>
<head>
<meta charset="utf-8">
<title>hey</title>
<script>
alert("hello");
</script>
</head>
<body>
hey
</body>
</html>
Как вы можете видеть из вывода, был удален только тег внешнего скрипта. Могу ли я что-нибудь сделать, чтобы обеспечить все теги скрипта удалены?
2 answers
Ваша ошибка на самом деле тривиальна. Объект DOMNode (и все его потомки - DOMElement, DOMNodeList и еще несколько других!) автоматически обновляется при изменении родительского элемента, особенно при изменении количества дочерних элементов. Это написано в нескольких строках в документе PHP, но в основном скрыто под ковром.
Если вы выполняете цикл с использованием ($k instanceof DOMNode)->length, а затем удаляете элементы из узлов, вы заметите, что свойство length на самом деле меняется! Мне пришлось написать свою собственную библиотеку, чтобы противодействуйте этому и нескольким другим причудам.
Решение:
if($dom->loadHTML($result))
{
while (($r = $dom->getElementsByTagName("script")) && $r->length) {
$r->item(0)->parentNode->removeChild($r->item(0));
}
echo $dom->saveHTML();
На самом деле я не зацикливаюсь - просто открываю первый элемент по одному за раз. Результат: http://sebrenauld.co.uk/domremovescript.php
Чтобы избежать неожиданностей, связанных с живым списком узлов, который становится короче по мере удаления узлов, вы можете работать с копией в массив, используя iterator_to_array:
foreach(iterator_to_array($dom->getElementsByTagName($tag)) as $node) {
$node->parentNode->removeChild($node);
};