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，
 元素的内容只能是短语内容（phrasing content），而 
 元素不属于短语内容。
例如，以下 HTML 代码：

   some code
   


  

     
1
  
others
使用 DOMDocument 解析后，
 元素会被移出 
 元素：
立即学习“PHP免费学习笔记（深入）”；

   some code
   




1

others
这是因为 DOMDocument 认为 

							

								
								

									Magic Eraser
									
AI移除图片中不想要的物体
								
								下载 
							
						
 元素不应该出现在 
 元素内部，所以将其移出。
如何保留原始 HTML 结构
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。
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。
以下是示例代码：


   some code
   


  

     
1
  
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。