domdocument::loadhtml() 解析失败却不报错，因默认静默忽略html错误导致documentelement为null；需启用libxml错误收集并检查documentelement，同时补xml声明或用libxml_html_noimplied确保utf-8中文正常解析。
DOMDocument::loadHTML() 为什么解析失败但没报错
PHP 的 DOMDocument 默认会静默吞掉大部分 HTML 解析错误（比如缺失闭合标签、非法嵌套），导致你调用 loadHTML() 后看似成功，但 $dom->documentElement 是 null，或后续 getElementsByTagName() 返回空数组。
真正该做的是：开启 libxml 错误收集 + 设置错误处理级别：
- 调用
libxml_use_internal_errors(true)前置启用错误捕获 - 用
libxml_get_errors()拿到具体报错，常见如Tag article invalid（HTML5 标签不被旧版 libxml 识别） - 加载后手动检查：
if (!$dom->documentElement) { /* 处理空文档 */ } - 别依赖
@loadHTML()抑制警告——它连 warning 都不显示，反而更难定位
如何安全提取中文文本而不乱码
DOMDocument 默认按 ISO-8859-1 解析，遇到 UTF-8 中文 HTML 就会把字节当单字节字符解，结果是 或一堆问号。不是编码声明没写对，而是 DOM 扩展本身不自动读取 <meta charset="utf-8">。
正确做法只有两个关键点：
立即学习“PHP免费学习笔记（深入）”；
- 在
loadHTML()前，手动把 HTML 字符串头补上 XML 声明：$html = '<?xml encoding="utf-8"?>' . $html - 或者改用
loadHTML('<?xml encoding="utf-8"?>' . $html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD)，显式禁用自动添加和 DTD - 避免用
mb_convert_encoding()后再传入——DOM 内部仍可能二次转码，直接喂原始 UTF-8 字节流最稳
querySelector 不存在？用 getElementsByTagName() 和 XPath 替代
PHP 的 DOM 扩展不支持 querySelector() 或 querySelectorAll()，这是前端 JS 的 API，硬写会报 Fatal error: Call to undefined method DOMDocument::querySelector()。
替代方案分场景选：
- 简单标签匹配：
$dom->getElementsByTagName('a')或$dom->getElementById('header')—— 快，但只能单条件 - 复杂选择器（如
div.content p:first-child）：必须用DOMXPath：$xpath = new DOMXPath($dom);<br>$nodes = $xpath->query('//div[@class="content"]//p[position()=1]'); - 注意
query()返回DOMNodeList，不是数组，不能用foreach ($nodes as $n)直接遍历——得先判断$nodes->length > 0
DOMDocument 加载远程 HTML 的坑
直接 $dom->loadHTML(file_get_contents('https://example.com')) 看似可行，但实际埋了三个雷：
- HTTPS 证书验证失败时，
file_get_contents()报SSL operation failed，而 DOM 不管这个，继续用空字符串解析，结果是空文档 - 远程响应含重定向（302），
file_get_contents()默认不跟随，你拿到的是跳转 HTML（含<meta http-equiv="refresh">），DOM 会把它当正文解析 - 没有设置超时，卡死在 DNS 或连接阶段，脚本挂住
- 正确姿势是换
cURL控制细节：$ch = curl_init('https://example.com');<br>curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);<br>curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);<br>curl_setopt($ch, CURLOPT_TIMEOUT, 5);<br>$html = curl_exec($ch);<br>curl_close($ch);<br>// 再交给 DOMDocument::loadHTML()
DOM 解析本身不关心来源，但数据入口的健壮性全靠你兜底——特别是网络 IO 这块，永远别信默认行为。
