DOMDocument::loadHTML(): advertencia – htmlParseEntityRef: sin nombre en la entidad

He encontrado varias preguntas similares, pero hasta ahora, ninguna ha podido ayudarme.

Estoy tratando de generar el ‘src’ de todas las imágenes en un bloque de HTML, así que estoy usando DOMDocument(). Este método realmente funciona, pero recibo una advertencia en algunas páginas y no puedo entender por qué. Algunas publicaciones sugirieron suprimir la advertencia, pero prefiero averiguar por qué se genera la advertencia.

Advertencia: DOMDocument::loadHTML(): htmlParseEntityRef: sin nombre en Entity, línea: 10

Un ejemplo de post->post_content que está generando el error es –

On Wednesday 21st November specialist rights of way solicitor Jonathan Cheal of Dyne Drewett will be speaking at the Annual Briefing for Rural Practice Surveyors and Agricultural Valuers in Petersfield.
<br>
Jonathan is one of many speakers during the day and he is specifically addressing issues of public rights of way and village greens.
<br>
Other speakers include:-
<br>
<ul>
<li>James Atrrill, Chairman of the Agricultural Valuers Associates of Hants, Wilts and Dorset;</li>
<li>Martin Lowry, Chairman of the RICS Countryside Policies Panel;</li>
<li>Angus Burnett, Director at Martin & Company;</li>
<li>Esther Smith, Partner at Thomas Eggar;</li>
<li>Jeremy Barrell, Barrell Tree Consultancy;</li>
<li>Robin Satow, Chairman of the RICS Surrey Local Association;</li>
<li>James Cooper, Stnsted Oark Foundation;</li>
<li>Fenella Collins, Head of Planning at the CLA; and</li>
<li>Tom Bodley, Partner at Batcheller Monkhouse</li>
</ul>

Puedo publicar algunos ejemplos más de lo que post->post_content contiene si eso sería útil?

He permitido el acceso a un sitio de desarrollo temporalmente, así que puedes ver algunos ejemplos [Note – links no longer accessable as question has been answered] –

• Error – http://test.dynedrewett.com/specialist-solicitor-speaks-at-petersfield-update/
• No hay error – http://test.dynedrewett.com/restrictive-covenants-in-employment-contracts/

¿Algún consejo sobre cómo resolver esto? Gracias.

$dom = new DOMDocument();
$dom->loadHTML(apply_filters('the_content', $post->post_content)); // Have tried stripping all tags but <img>, still generates warning
$nodes = $dom->getElementsByTagName('img');
foreach($nodes as $img) :
    $images[] = $img->getAttribute('src');
endforeach;

Esta respuesta correcta proviene de un comentario de @lonesomeday.

Entonces mi mejor conjetura es que hay un ampersand sin escape (&) en algún lugar del HTML. Esto hará que el analizador piense que estamos en una referencia de entidad (por ejemplo, ©). Cuando llega a ;, piensa que la entidad ha terminado. Luego se da cuenta de que lo que tiene no se ajusta a una entidad, por lo que envía una advertencia y devuelve el contenido como texto sin formato.

Como se menciona aquí

Advertencia: DOMDocument::loadHTML(): htmlParseEntityRef: esperando ‘;’ en entidad,

puedes usar :

libxml_use_internal_errors(true);

ver http://php.net/manual/en/function.libxml-use-errores-internos.php

Verifique el carácter “&” en su código HTML en cualquier lugar. Tuve ese problema debido a ese escenario.

No tengo la reputación requerida para dejar un comentario arriba, pero usando htmlspecialchars resolvió este problema en mi caso:

$inputHTML = htmlspecialchars($post->post_content);
$dom = new DOMDocument();
$dom->loadHTML(apply_filters('the_content', $inputHTML)); // Have tried stripping all tags but <img>, still generates warning
$nodes = $dom->getElementsByTagName('img');
foreach($nodes as $img) :
    $images[] = $img->getAttribute('src');
endforeach;

Para mis propósitos, también estoy usando strip_tags($inputHTML, "<strong><em><br>")por lo que todas las etiquetas de imagen también se eliminan; de lo contrario, no estoy seguro de si esto sería un problema.

¡Aquí está mi solución!

 $html = preg_replace('/&(?!amp)/', '&', $html);

Elimine el signo único, pero ‘&amp’ seguirá siendo el mismo.

Eventualmente resolví este problema de la manera correcta, usando tidy

// Configuration
$config = array(
    'indent'         => true,
    'output-xhtml'   => true,
    'wrap'           => 200);

// Tidy to avoid errors during load html
$tidy = new tidy;
$tidy->parseString($bill->bill_text, $config, 'utf8');
$tidy->cleanRepair();

$domDocument = new DOMDocument();
$domDocument->loadHTML(mb_convert_encoding($tidy, 'HTML-ENTITIES', 'UTF-8'));

para laravel,

Utilice {{ }} en lugar de {!! !!}

Me enfrenté a esto y logré resolverlo.