Estoy tratando de recopilar información de un servicio web, pero tengo problemas con la sección CDATA de una página, porque todo sale bien cuando uso algo como esto:

 $url = 'http://www.example.com'; $content = file_get_contents($url); $doc = new DOMDocument(); $doc->loadHTML($content); foreach($doc->getElementsByTagName('h3') as $subtitle) { echo $subtitle->textContent; //The output is the Subtitle/s. }

Pero cuando la página contiene secciones CDATA hay un problema con este error en la línea $doc->loadHTML($content).

 Warning: DOMDocument::loadHTML(): Invalid char in CDATA

He visto aquí una solución que traté de implementar sin éxito.

 function sanitize_html($content) { if (!$content) return ''; $invalid_characters = '/[^\x9\xa\x20-\xD7FF\xE000-\xFFFD]/'; return preg_replace($invalid_characters,'', $content); } $url = 'http://www.example.com'; $content = file_get_contents($url); $cleanContent = sanitize_html($content); $doc = new DOMDocument(); $doc->loadHTML($cleanContent); //Warning: DOMDocument::loadHTML(): htmlParseEntityRef: no name in Entity

Pero tengo este otro error:

 Warning: DOMDocument::loadHTML(): htmlParseEntityRef: no name in Entity

¿Cuál podría ser una buena manera de lidiar con las secciones CDATA de una página? Saludos.