Есть ли способ удаления лишних закрывающих тегов при парсинге?

Question

[Хуршед Абдужалил]

Делаю парсинг одного сайта, смотрю много закрывающих тегов </div> из за чего моя верстка тоже слетает.
Пробовал так

$content = preg_replace("/<\/?div[^>]*\>/i", "", $content);

не получается... Может кто сталкивался?

Answer 1

[novrm]

Вам нужно фильтр html-разметки.
При правильной настройке htmlpurifier - подойдет.

Answer 2

[zzamzam]

А можно парсить через DOMDocument и получать содержимое body без тегов

$url = 'http://yandex.ru';
$result = file_get_contents($url);

$dom = new \DOMDocument();
libxml_use_internal_errors(true);
/* По-умолчанию loadHTML использует iso-8859-1, поэтому явно указываем преобразование */
$dom->loadHTML(mb_convert_encoding($result, 'HTML-ENTITIES', 'UTF-8'));
libxml_use_internal_errors(false);
$bodyContent = $dom->getElementsByTagName('body')[0]->textContent;

В тексте останутся ненужные части, типа скриптов и стилей, но можно перед созданием DOMDocument регуляркой убрать их из html.

Если не нужен целиком body, можно получать контент отдельных элементов

Comments

[Хуршед Абдужалил]

в том то и дело, что через него делаю парсинг, и беру содержимое нужного элемента, а там оказывается лишний закрытый div есть

[Хуршед Абдужалил]

+ мне нужен именно содержимое html, поэтому textContent не подойдет