PHP DOMDocument 正确解析含动态脚本标签的 HTML 内容-html教程-PHP中文网

PHP DOMDocument 正确解析含动态脚本标签的 HTML 内容

DOMDocument 在解析包含未转义

domdocument 在解析包含未转义 `` 序列的 `<script>` 内容时会提前截断，因其将 `</` 误识别为标签闭合；解决方法是预处理 javascript 中的 `</` 为 `<\/`，并确保输入为结构完整的 <a style="color:#f60; text-decoration:underline;" title= "html"href="https://m.php.cn/zt/15763.html" target="_blank">html5 文档。</script>

PHP 的 DOMDocument 是基于 XML 解析器构建的，对 HTML 的容错性有限——尤其当输入为不完整 HTML 片段或 <script></script> 标签内存在未转义的（如字符串被拼接生成）时，解析器会在首次遇到时错误地认为 <script></script> 已结束，导致后续内容被丢弃或转义，正如示例中 '+'ipt> 消失。

要可靠解析此类内容，需满足两个前提：

提供合法、完整的 HTML5 文档结构（含、、），避免 DOMDocument 启用“修复模式”引发不可控修正；
对 <script></script> 内部所有序列进行 JavaScript 层面的转义（即替换为 ），使其在不改变运行逻辑的前提下避开 HTML 解析器的标签识别机制。

以下为推荐的健壮处理方案（含正则安全提取与转义）：

$html1 = "<script>document.write('<scr'+'ipt>alert(123);'+'ipt>')</script>";

// 构建最小合法 HTML5 文档结构
$html = 

$html1


HTML;

// 安全转义 script 标签内所有 '' 为 ']*)?>)(.*?)()/isU',
    function ($matches) {
        $content = preg_replace('||', 'recover = false; // 禁用自动修复，提升可预测性
$dom->strictErrorChecking = false;
$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

$html2 = $dom->saveHTML();
echo $html2;

✅ 输出将保留原始脚本逻辑：
<script>document.write('<scr'+'ipt>alert(123);'+'ipt>')</script>

Pptx To Html

使用 MinerU 将 PowerPoint (.pptx) 演示文稿转换为 HTML，保留幻灯片内容与结构，生成可直接在网页使用的 HTML格式。

下载

⚠️ 注意事项：

不建议在服务端动态拼接或执行用户提交的 <script></script> 内容，该模式易引入 XSS 风险；若必须处理，应结合 CSP、输出编码与内容策略严格校验；
LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD 标志可防止 DOMDocument 自动注入 / 等隐式节点，提升结果可控性；
对于纯前端脚本注入场景，更安全的做法是使用 textContent 或 data-* 属性传递字符串，由客户端 JS 动态构造，而非依赖服务端 HTML 解析。

总之，DOMDocument 并非 HTML 模板引擎——它适用于结构化文档操作，而非执行 JavaScript 逻辑。正确预处理 + 结构补全，是绕过其解析局限的核心实践。