本文介绍如何将 html 字符串（如 `"
hi"`）转换为 php 中可操作的 dom 对象，替代 simple_html_dom 的 `file_get_html()`，推荐使用原生 `domdocument` + `domxpath` 实现安全、高效、无依赖的 html 解析。在 PHP 开发中，经常需要动态解析 HTML 内容——例如从 API 响应、数据库字段或模板渲染结果中获取的 HTML 字符串。虽然第三方库如 simple_html_dom 提供了类似 file_get_html() 的便捷接口，但它已多年未维护，且存在内存泄漏与 XSS 风险隐患。PHP 原生的 DOMDocument 类是更可靠、标准且性能更优的选择。
要将 HTML 字符串转为可遍历、可查询的 DOM 对象，核心步骤如下：
- 实例化 DOMDocument
- 调用 loadHTML() 加载字符串（注意：需处理 UTF-8 编码与警告抑制）
- 配合 DOMXPath 执行 XPath 查询，精准定位节点
✅ 推荐实践代码（含错误处理与编码适配）：
<?php
$html_string = "<html><body><h1>Hello</h1><p class='intro'>World!</p></body></html>";
// 创建 DOMDocument 实例
$dom = new DOMDocument();
// 【关键】禁用警告（HTML 可能不规范）、设置 UTF-8 编码兼容性
libxml_use_internal_errors(true);
$dom->recover = true; // 尝试修复破损 HTML
$dom->loadHTML('<?xml encoding="UTF-8">' . $html_string, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
libxml_clear_errors();
// 初始化 XPath 查询器
$xpath = new DOMXPath($dom);
// 示例 1：获取所有 p 标签的文本内容
$paragraphs = $xpath->query('//p');
foreach ($paragraphs as $p) {
echo "Paragraph: " . trim($p->textContent) . "\n"; // 输出：Paragraph: World!
}
// 示例 2：按 class 属性查找特定元素
$introElements = $xpath->query('//p[@class="intro"]');
if ($introElements->length > 0) {
echo "Found intro paragraph: " . $introElements->item(0)->textContent . "\n";
}
// 示例 3：获取 body 内部全部 HTML（outerHTML 风格）
$body = $xpath->query('//body')->item(0);
if ($body) {
$bodyHtml = '';
foreach ($body->childNodes as $child) {
$bodyHtml .= $dom->saveHTML($child);
}
echo "Body inner HTML: " . trim($bodyHtml) . "\n";
}⚠️ 注意事项：
立即学习“PHP免费学习笔记（深入）”；
- loadHTML() 默认会自动补全 <html>、<body> 等缺失标签，并添加 DOCTYPE，如需避免，务必传入 LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD 标志；
- 若 HTML 含中文或特殊字符，请确保字符串为 UTF-8 编码，并在 loadHTML() 前添加 <?xml encoding="UTF-8"> 前缀（如上例），防止乱码；
- 不建议直接使用 simple_html_dom::str_get_html() —— 它非官方、无类型约束、不兼容 PHP 8+，且无法利用现代 DOM 标准接口；
- 如需链式操作或 jQuery 风格语法，可考虑现代替代方案如 symfony/dom-crawler，但纯原生方案已足够应对绝大多数解析场景。
总结：用 DOMDocument::loadHTML() + DOMXPath 是将 HTML 字符串转化为强类型、可查询、可扩展 DOM 对象的标准 PHP 方式——无需外部依赖、兼容性好、安全性高，是生产环境的首选方案。
