验证失败：“EntityRef：期待“”

Question

您好，我有一些无法验证的 XML。我已将问题范围缩小到这一点：

<script type="text/javascript">document.getelementbyid("oxm-1f4a4485-5a1d-45f9-a989-9c65a0b9ceb6").src="http://bid.website.net/display?l=h4siaaaaaaaaad2nmq6cqbrenycw7qjyolfccxmregvcoae0u0sly_agtvaewwn4bg_havwbnebpvmzkkzra_kzzdvoloq4u-hjnp7sii0rxcbzz5vl5kxsrds6wtsfbxmcr9chysuhqbecuckb8cvx4m-pbcxugtdrll6d3dqtihnqukth2yvdkptr67cuzfvlxjlinkul9634lpal_h4mwhso8aabzhw1cdcwjxl6xivgv8agrjxjc_gaaaa==&p=h4siaaaaaaaaabxkmq7cmaxaurcqjjrrsfqqsrm7x3fsrwyvosda8qnj_3ojfgb49o45pblq7e80syzjhopggso9wyzpcpntzkxk1ldtbbi7otmxfj9da1wpjcf10vtxdj9e5_utyj19k2lfssepld5agnqaaaa=&url=http%3a%2f%2flocalhost%2fproject-debug%2fproject.html";</script>

我将其放入 XML 验证器中，然后它输出：

该页面包含以下内容 错误：第 1 行第 16 列错误： EntityRef：期待 ';'

关于缺少“;”的位置的任何想法应该去吗？还有其他问题吗？

Answer 1

您的网址中包含未转义的 & 符号 &。它们要么需要 (a) 更改为字符实体 (&)，要么 (b) 包含在 CDATA 部分中。

CDATA 部分允许您保留特殊字符，例如 & 未转义，因此这是最简单的：

<script type="text/javascript">
// <![CDATA[
    document.getElementById(...).src="...";
// ]]>
</script>

除了确切的字符序列 ]]> 之外，您还可以在 CDATA 部分中包含任何您想要的内容;。 // 注释用于确保不理解 CDATA 部分的浏览器忽略 和 ]]> 标记。

顺便说一下，JavaScript 是区分大小写的。那应该是 getElementById 而不是 getelementbyid。

Answer 2

修改内容并不总是可能的，例如，如果您正在抓取网站。

你不能只是 str_replace '&'与 '&'因为 html 可能包含有效的 html 实体，并且您会得到类似“&”的内容

这是一个正则表达式，它应该用 & 符号的 htmlentities 替换 & 符号，而不破坏良好的 htmlentities：

$html = preg_replace("|&([^;]+?)[\s<&]|","&$1 ",$html);

我用它抓取了大约 700 个页面，没有任何问题:)