質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

91.36%

  • PHP

    15143questions

    PHPは、Webサイト構築に特化して開発されたプログラミング言語です。大きな特徴のひとつは、HTMLに直接プログラムを埋め込むことができるという点です。PHPを用いることで、HTMLを動的コンテンツとして出力できます。HTMLがそのままブラウザに表示されるのに対し、PHPプログラムはサーバ側で実行された結果がブラウザに表示されるため、PHPスクリプトは「サーバサイドスクリプト」と呼ばれています。

  • HTML5

    2839questions

    HTML5 (Hyper Text Markup Language、バージョン 5)は、マークアップ言語であるHTMLの第5版です。

  • Laravel 5

    924questions

    Laravel 5は、PHPフレームワークLaravelの最新バージョンで、2014年11月に発表予定です。ディレクトリ構造がが現行版より大幅に変更されるほか、メソッドインジェクションやFormRequestの利用が可能になります。

【laravel】Tidyを使うと、「DOMDocument::loadHTML(): ID already defined in Entity」のエラーが出る。

解決済

回答 1

投稿 2017/11/20 19:58 ・編集 2017/11/20 21:04

  • 評価
  • クリップ 1
  • VIEW 60

youthK

score 34

わからないこと

いつもお世話になっております。
この度下記のサイトのスクレイピングを行いたくTidyを使ってhtmlの不正文字を修正しようとしています。
しかしタイトルにあるようなエラーが出てしまい、先に進むことができません。
コードは下記のようになっております。

$projectUrl = 'http://www.kaigokensaku.mhlw.go.jp/13/index.php?action_kouhyou_detail_2016_033_kihon=true&JigyosyoCd=1372400638-00&PrefCd=13&VersionCd=033';

$dom = new \DOMDocument();
$tidy = new \Tidy;
$ch = curl_init();

curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_ENCODING, 'gzip');
curl_setopt($ch, CURLOPT_URL, $projectUrl);
$detailRes = curl_exec($ch);
$tidy->parseString($detailRes, array(), 'utf8');
$tidy->cleanRepair();
$detailRes = $tidy->html();
unset($tidy);

$dom->encoding = 'UTF-8';
$dom->preserveWhiteSpace = false;
$dom->loadHTML($detailRes);
$xpath =  new DOMXPath($dom);var_dump($xpath);dd();


下記のサイトを参考にしています。
https://qiita.com/osapon/items/5f26263d9ebf4268d7f3

やったこと

curlにしているのが問題なのかと思い、file_get_contentsに変えてみましたが、変わりなくエラーが出てしまいました。

追記

下記のコードのように行った結果、xml形式でページ全体を取得できましたので報告いたします。

解決方法

ini_set('display_errors', true);
error_reporting(E_ALL);
$projectUrl = 'http://www.kaigokensaku.mhlw.go.jp/13/index.php?action_kouhyou_detail_2016_033_kihon=true&JigyosyoCd=1372400638-00&PrefCd=13&VersionCd=033';

$dom = new \DOMDocument();
$tidy = new \Tidy;

$ch = curl_init();

curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_ENCODING, 'gzip');
curl_setopt($ch, CURLOPT_URL, $projectUrl);
$detailRes = curl_exec($ch);
$detailRes = str_replace('&', '&', $detailRes);
$config = array(
    // 'drop-empty-elements' => false, // 空の要素を削除しない
    'hide-comments' => true, // コメントを削除
    'output-xhtml' => true, // xhtml に変換
);

$tidy->parseString($detailRes, $config, 'utf8');
$tidy->cleanRepair();
$xml = simplexml_load_string($tidy);var_dump($xml);dd();


※Tidyにてhtmlを正しい形に整形しました。
※また下記のサイトを参考にしました。
https://qiita.com/ShibuyaKosuke/items/86b7a17a57583e8fb4e3

htmlのコードがひどいサイトをスクレイピング

同じような現象に困った方々の助けになれば幸いです。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

check解決した方法

+2

自己解決することができました。
質問欄に解決方法を記載しました。

投稿 2017/11/20 20:40

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

ただいまの回答率

91.36%

関連した質問

同じタグがついた質問を見る

  • PHP

    15143questions

    PHPは、Webサイト構築に特化して開発されたプログラミング言語です。大きな特徴のひとつは、HTMLに直接プログラムを埋め込むことができるという点です。PHPを用いることで、HTMLを動的コンテンツとして出力できます。HTMLがそのままブラウザに表示されるのに対し、PHPプログラムはサーバ側で実行された結果がブラウザに表示されるため、PHPスクリプトは「サーバサイドスクリプト」と呼ばれています。

  • HTML5

    2839questions

    HTML5 (Hyper Text Markup Language、バージョン 5)は、マークアップ言語であるHTMLの第5版です。

  • Laravel 5

    924questions

    Laravel 5は、PHPフレームワークLaravelの最新バージョンで、2014年11月に発表予定です。ディレクトリ構造がが現行版より大幅に変更されるほか、メソッドインジェクションやFormRequestの利用が可能になります。