这是 PHP 的 DOMDocument 库中的错误吗？
Posted
技术标签:
【中文标题】这是 PHP 的 DOMDocument 库中的错误吗？【英文标题】：Is this a bug in PHP's DOMDocument Library? 【发布时间】：2017-08-30 15:21:09 【问题描述】：我正在尝试使用 php 解析一些 html，但出现错误。下面是相关代码，可以在命令行（$ php script.php）运行。
<?php
function images_to_links($text)
$dom = new \DOMDocument('1.0', 'UTF-8');
// Load the document, hiding and then restoring error setting
$internalErrors = libxml_use_internal_errors(true);
$dom->loadHTML(mb_convert_encoding($text, 'HTML-ENTITIES', 'UTF-8'), LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
libxml_use_internal_errors($internalErrors);
// Extract images from the dom
$xpath = new DOMXPath($dom);
// Other processing code removed for this example
$cleaned_html = $dom->saveHTML();
return $cleaned_html;
$some_text = <<<EOD
<blockquote>asdf</blockquote>
<a href="http://example.com/">click here</a>
<br />
<p><a href="http://example.com/">another link</a></p>
EOD;
print images_to_links($some_text);
预期输出：
<blockquote>asdf</blockquote>
<a href="http://example.com/">click here</a>
<br />
<p><a href="http://example.com/">another link</a></p>
实际输出——注意blockquote 是如何包裹其他元素的：
<blockquote>asdf<a href="http://example.com/">click here</a><br><p><a href="http://example.com/">another link</a></p></blockquote>
我的代码有错误还是 domdocument 的错误？
【问题讨论】：
似乎与LIBXML_HTML_NOIMPLIED有关，虽然不知道为什么...
我不会认为这是一个错误。我的假设是 DOMDocument 与大多数 DOM 实用程序一样，希望所有内容都嵌套在单个标签下，例如 <html>。
嗯.. 说得通。拉伸第一个标签以包裹所有内容是没有意义的。我会将其预先包装在<div> 中。谢谢。
【参考方案1】：
LibXML 需要一个根节点，因此将它找到的第一个元素解释为根节点（忽略其结束标记）。
【讨论】：
【参考方案2】：我不会认为这是一个错误。我的假设是 DOMDocument 和大多数 DOM 实用程序一样，希望所有内容都嵌套在一个标签下，例如 <html>。
通过使用LIBXML_HTML_NOIMPLIED 标志，您是在告诉 DOMDocument 放弃通常对部分 HTML 采取的步骤，方法是将其包装在 <html><body> 标记中。
http://php.net/manual/en/libxml.constants.php
【讨论】：
以上是关于这是 PHP 的 DOMDocument 库中的错误吗？的主要内容，如果未能解决你的问题，请参考以下文章
如何防止 PHP 的 DOMDocument 编码 html 实体？
如何使用 PHP 的 DOMDocument 获取元素的序列化 HTML？