如何让DOMDocument加载含未知XML实体的XML且不破坏内容？

问题 #

为API响应实现XML签名时遇到以下问题：

• XML包含未知XML实体（如ä等转换后的HTML字符），无法正常转换为DOMDocument，加载后documentElement未被设置，同时抛出实体相关警告
• 尝试以HTML格式解析，即便传入LIBXML_HTML_NOIMPLIED标志，仍会被添加重复的<xml>和<p>标签
• 使用LIBXML_DTDLOAD标志虽能正确解析，但会将XML实体文件内容直接输出到响应中，导致返回内容长度大幅增加

希望找到方法，让DOMDocument加载XML字符串时：

1. 不因未知实体解析失败
2. 不修改原XML字符串内容
3. 或在不生成独立XML的情况下解析DTD

当前实现代码：

// 压缩后的XML字符串
$output = '<?xml version="1.0" standalone="no"?>
<!DOCTYPE api_result [
<!ELEMENT api_result (#PCDATA)>
<!ENTITY % xhtml-all SYSTEM "http://server.local/entities/xhtml-all.ent">
%xhtml-all;
]>
<api_result>&auml;</api_result>';

$xml = new DOMDocument();

// 必须保留空白字符
$xml->preserveWhiteSpace = true;
$xml->formatOutput = false;
$xml->strictErrorChecking = false;

$xml->loadXML($output);

// 规范化内容（排他性，不含注释）
if (!$xml->documentElement) { // 此处无法获取内容
    throw new XmlSignerException('Undefined document element');
}

解决方案 #

核心思路 #

让DOMDocument加载DTD以识别实体定义，但不解析外部实体的实际内容，同时抑制错误警告，确保documentElement正常初始化，且保存XML时完全保留原实体与结构。

修改后的代码 #

// 压缩后的XML字符串
$output = '<?xml version="1.0" standalone="no"?>
<!DOCTYPE api_result [
<!ELEMENT api_result (#PCDATA)>
<!ENTITY % xhtml-all SYSTEM "http://server.local/entities/xhtml-all.ent">
%xhtml-all;
]>
<api_result>&auml;</api_result>';

$xml = new DOMDocument();

// 保留原格式与空白字符
$xml->preserveWhiteSpace = true;
$xml->formatOutput = false;
$xml->strictErrorChecking = false;
// 关键配置：禁用外部实体内容解析，仅加载DTD结构
$xml->resolveExternals = false;

// 加载XML时启用DTD加载，并抑制错误警告
$loaded = $xml->loadXML($output, LIBXML_DTDLOAD | LIBXML_NOERROR | LIBXML_NOWARNING);

if (!$loaded || !$xml->documentElement) {
    throw new XmlSignerException('Undefined document element');
}

// 后续签名操作...
// 保存XML时会保留原实体与DOCTYPE结构，不会内联外部实体内容
// $signedXml = $xml->saveXML();

关键参数说明 #

• LIBXML_DTDLOAD：加载文档中的DTD，让DOMDocument识别实体定义，避免因未知实体导致解析失败
• LIBXML_NOERROR | LIBXML_NOWARNING：抑制实体相关的警告与错误，防止解析流程中断
• $xml->resolveExternals = false：禁止DOMDocument加载外部实体文件的实际内容，避免响应中混入实体文件内容，同时保留原实体引用

额外建议 #

如果外部DTD访问存在性能或稳定性问题，建议将xhtml-all.ent下载到本地服务器，修改DOCTYPE中的SYSTEM路径为本地文件路径，进一步优化加载效率。

内容的提问来源于stack exchange，提问作者Randommm