DOMDocument对HTML规范的强制执行
php的domdocument类在解析html时，会遵循html规范。这意味着它会尝试修正一些不符合规范的html结构，以生成一个有效的dom树。一个常见的例子是在<pre>元素中嵌套<ul>元素。根据html规范，<ul>元素不能直接作为<pre>元素的子元素存在。<pre>元素的内容模型仅允许短语内容（phrasing content）。
因此，当使用DOMDocument::loadHTML()解析包含这种嵌套结构的HTML时，DOMDocument会自动将<ul>元素移出<pre>元素，以符合HTML规范。
示例代码与现象
考虑以下HTML代码片段：
<pre>
some code
<div></div>
<ul>
<li>1</li>
</ul>
others
</pre>使用以下PHP代码解析这段HTML：
<?php
$html = '<pre>
some code
<div></div>
<ul>
<li>1</li>
</ul>
others
</pre>';
$doc = new DOMDocument();
$doc->loadHTML($html);
echo $doc->saveHTML();
?>运行这段代码，你会发现输出的HTML如下：
立即学习“PHP免费学习笔记（深入）”；
<pre> some code <div></div> </pre> <ul> <li>1</li> </ul> others
可以看到，<ul>元素已经被移出了<pre>元素。
解决方案：使用DocumentFragment
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()方法。DocumentFragment允许你创建一个临时的DOM片段，然后将其添加到DOMDocument中，而不会触发DOMDocument的自动修正行为。
以下是修改后的PHP代码：
<?php
$html = '<pre>
some code
<div></div>
<ul>
<li>1</li>
</ul>
others
</pre>';
$doc = new DOMDocument();
$docFragment = $doc->createDocumentFragment();
$docFragment->appendXML($html);
$doc->appendChild($docFragment);
echo $doc->saveHTML();
?>这段代码会输出原始的HTML结构，<ul>元素仍然嵌套在<pre>元素中：
<pre>
some code
<div></div>
<ul>
<li>1</li>
</ul>
others
</pre>注意事项
- 理解HTML规范： 在处理HTML时，了解HTML规范非常重要。这有助于你理解DOMDocument的行为，并避免不必要的困惑。
- 权衡利弊： 使用DocumentFragment可以保留不符合规范的HTML结构，但这可能会导致一些兼容性问题。在使用这种方法之前，请仔细权衡利弊。
- 编码问题： 在使用loadHTML()和appendXML()时，需要注意字符编码问题。确保HTML字符串的编码与DOMDocument的编码一致，以避免乱码问题。
- 错误处理： 在解析HTML时，应该进行适当的错误处理。DOMDocument::loadHTML()可能会产生警告信息，应该检查这些警告信息，并采取相应的措施。
总结
PHP的DOMDocument类在解析HTML时会遵循HTML规范，并自动修正一些不符合规范的结构。当需要保留原始的、不符合规范的HTML结构时，可以使用createDocumentFragment()和appendXML()方法。但是，在使用这种方法时，需要权衡利弊，并注意字符编码和错误处理问题。理解DOMDocument的行为和HTML规范，可以帮助你更有效地处理HTML文档。
