PHP DOMDocument 如何处理不符合 HTML 规范的结构？

在使用 PHP 的 DOMDocument 解析 HTML 时，有时会遇到元素被移动或修改的情况。这是因为 DOMDocument 会尝试按照 HTML 规范来解析和修正文档结构。本文将深入探讨 DOMDocument 对不符合规范的 HTML 结构的处理方式，并提供解决方案，以保留原始 HTML 结构。

理解 DOMDocument 的行为

DOMDocument 在解析 HTML 时，会遵循 HTML 规范。这意味着如果 HTML 结构不符合规范，DOMDocument 会尝试修正它。一个常见的例子是将

元素放置在

 元素内。根据 HTML 规范，<pre class="brush:php;toolbar:false"> 元素的内容只能是短语内容（phrasing content），而 <ul> 元素不属于短语内容。</p><p>例如，以下 HTML 代码：</p><pre class="brush:php;toolbar:false"><pre class="brush:php;toolbar:false">     some code    <div></div>    <ul>      <li>1</li>   </ul> others 

使用 DOMDocument 解析后，

元素会被移出

 元素：</p><pre class="brush:php;toolbar:false"><pre class="brush:php;toolbar:false">     some code    <div></div>  
• 1

others

这是因为 DOMDocument 认为

元素不应该出现在

 元素内部，所以将其移出。</p><h3>如何保留原始 HTML 结构</h3><p>如果需要保留原始的 HTML 结构，即使它不符合 HTML 规范，可以使用 createDocumentFragment 和 appendXML 函数。</p><p>createDocumentFragment 创建一个空的文档片段，可以将 HTML 字符串添加到这个片段中，而不会触发 DOMDocument 的自动修正行为。然后，将这个文档片段添加到 DOMDocument 中。</p><p>以下是示例代码：</p><pre class="brush:php;toolbar:false"><?php  $html = '<pre class="brush:php;toolbar:false">     some code    <div></div>    <ul>      <li>1</li>   </ul> others 

‘; $doc = new DOMDocument(); $docFragment = $doc->createDocumentFragment(); $docFragment->appendXML($html); $doc->appendChild($docFragment); echo $doc->saveHTML(); ?>

这段代码首先创建一个 DOMDocument 对象，然后创建一个文档片段。使用 appendXML 将 HTML 字符串添加到文档片段中，最后将文档片段添加到 DOMDocument 对象。这样，DOMDocument 就不会尝试修正 HTML 结构，而是保留原始的 HTML 结构。

注意事项

• 使用 createDocumentFragment 和 appendXML 可以保留原始 HTML 结构，但这意味着你可能需要自己处理一些 HTML 规范问题。
• DOMDocument 在解析 HTML 时可能会发出警告信息，例如 “Unexpected end tag”。这些警告信息可以帮助你了解 HTML 结构中存在的问题。
• 在处理用户提交的 HTML 代码时，务必进行安全过滤，防止 XSS 攻击。

总结

DOMDocument 在解析 HTML 时会尝试遵循 HTML 规范，这可能会导致一些 HTML 结构被修改。如果需要保留原始的 HTML 结构，可以使用 createDocumentFragment 和 appendXML 函数。但是，需要注意的是，这可能会导致一些 HTML 规范问题需要手动处理。在处理用户提交的 HTML 代码时，务必进行安全过滤，防止 XSS 攻击。通过理解 DOMDocument 的行为并掌握相应的解决方案，可以更好地处理 HTML 解析任务。