如何让HTML5与DOMDocument协同工作？
我正在尝试用DOMDocument解析HTML代码，对它做一些修改，然后把它组装成一个字符串，然后发送到输出。
但是有一些关于解析的问题，这意味着我发送给DOMDocument的内容并不总是以相同的形式返回:)
下面是一个列表：
使用->loadHTML的
- formats my document regardless of the `preserveWhitespace` and `formatOutput` settings (loosing whitespaces on preformatted text)
- gives me errors when I have html5 tags like `<header>`, `<footer>` etc. But they can be supressed, so I can live with this.
- produces inconsistent markup - for example if I add a `<link ... />` element (with a self-closing tag), after parsing/saveHTML the output will be `<link .. >`
使用->loadXML的
- ：
- encodes entities like `>` from `<style>` or `<script>` tags: `body > div` becomes `body > div`
- all tags are closed the same way, for example `<meta ... />` becomes `<meta...></meta>`; but this can be fixed with an regex.
我没有尝试HTML5lib，但出于性能原因，我更喜欢DOMDocument而不是自定义解析器
更新：
因此，就像前面提到的蜜罐一样，使用CDATA解决了loadXML的主要问题。
有没有办法在不使用正则表达式的情况下，阻止除特定集合之外的所有空HTML标记自动关闭？
现在我有：
$html = $dom->saveXML($node);
$html = preg_replace_callback('#<(\w+)([^>]*)\s*/>#s', function($matches){
// ignore only these tags
$xhtml_tags = array('br', 'hr', 'input', 'frame', 'img', 'area', 'link', 'col', 'base', 'basefont', 'param' ,'meta');
// if a element that is not in the above list is empty,
// it should close like `<element></element>` (for eg. empty `<title>`)
return in_array($matches[1], $xhtml_tags) ? "<{$matches[1]}{$matches[2]} />" : "<{$matches[1]}{$matches[2]}></{$matches[1]}>";
}, $html);它可以工作，但它也会在CDATA内容中做替换，这是我不想要的…
回答 6
Stack Overflow用户
发布于 2012-05-29 03:04:37
不幸的是，或者可能是幸运的是，domdocument被设计为不尝试保留原始文档的格式。这是为了使解析器的内部状态更易于管理，方法是使所有元素保持相同的样式。Afaik大多数解析器会在内存中创建一个树表示，并且不会担心文本格式，直到用户请求这样做。这就是为什么你的自闭合标签会输出单独的闭合标签。好消息是，这并不重要。
对于将<>转换为<>的样式标记和脚本标记，您可以通过使用推荐的cdata标记将相关元素的内容括起来来避免转换：
<style>
/*<![CDATA[*/
body > div {
width: 50%;
}
/*]]>*/
</style>cdata声明周围的注释/* */是为了允许不知道cdata部分的被破坏的客户端，而不是将声明当作CSS代码。如果只在内部使用文档，那么可以省略/* */注释，只使用cdata声明。如果您操作文档，然后将其发送到浏览器而不进行检查以确保保留/* */注释，则可能会遇到上述损坏的客户端的问题；我不确定domdocument是否会保留这些注释。
Stack Overflow用户
发布于 2012-05-23 12:57:38
使用html5lib。它可以解析html5并生成DOMDocument。示例：
require_once '/path/to/HTML5/Parser.php';
$dom = HTML5_Parser::parse('<html><body>...');Stack Overflow用户
发布于 2016-04-26 20:41:04
如果您想要支持HTML5，请完全不要接触DOMDocument。
目前最好的选择似乎是https://github.com/Masterminds/html5-php
以前最好的选择是https://github.com/html5lib/html5lib-php，但正如描述所说，它是“当前未维护的”。这是自2011年10月以来的状态，所以我不再屏住呼吸了。
我还没有在生产中使用过html5-php，所以我不能提供任何关于这方面的真实经验。我在生产中使用过html5lib-php，我想说它可以正确地解析格式良好的文档，但是它有一些意外的错误，只有一些简单的语法错误。另一方面，它似乎正确地实现了领养代理算法和其他一些奇怪的角落情况。如果html5lib-php还在维护，我还是更喜欢它。然而，就目前的情况而言，我更喜欢使用html5-php，并可能帮助修复那里的剩余bug。
https://stackoverflow.com/questions/10712503
复制相似问题