PHP DOM加载含未定义实体引用的XML时如何保留实体节点？

libxml默认遇到未定义实体时会报错，即使开启recover=true也会自动丢弃实体引用节点。要实现加载XML并保留所有实体引用（无论是否定义），可采用以下两种方法：

方法一：通过XMLReader读取后导入DOM #

XMLReader对未定义实体的容忍度更高，可保留实体引用节点，再导入到DOMDocument中使用：

<?php
libxml_use_internal_errors(true);

$xml = "<a>&b;</a>";

// 初始化XMLReader，关闭实体替换
$reader = new XMLReader();
$reader->xml($xml, null, ~XMLReader::SUBST_ENTITIES);

// 初始化目标DOMDocument，关闭实体替换
$dom = new DOMDocument();
$dom->substituteEntities = false;

// 遍历读取节点并导入到DOM
while ($reader->read()) {
    if ($reader->nodeType !== XMLReader::SIGNIFICANT_WHITESPACE) {
        $node = $dom->importNode($reader->expand(), true);
        $dom->appendChild($node);
    }
}

// 验证结果：输出5,b （5对应DOMEntityReference节点类型）
foreach ($dom->documentElement->childNodes as $node) {
    echo $node->nodeType . "," . $node->nodeName . " ";
}

关键说明 #

• ~XMLReader::SUBST_ENTITIES：关闭XMLReader的实体替换功能，保留原始实体引用节点
• $reader->expand()：将当前XMLReader节点转换为DOM节点，再通过importNode导入到目标DOM中

方法二：动态补全未定义实体后用DOMDocument加载 #

先通过错误捕获提取所有未定义实体，动态添加到DOCTYPE中再重新加载：

<?php
$xml = "<a>&b;&c;</a>";

// 第一步：捕获未定义实体的错误
libxml_use_internal_errors(true);
$tempDom = new DOMDocument();
$tempDom->loadXML($xml);
$errors = libxml_get_errors();
libxml_clear_errors();

// 提取所有未定义的实体名称
$undefinedEntities = [];
foreach ($errors as $error) {
    if (preg_match("/Entity '(\w+)' not defined/", $error->message, $matches)) {
        $undefinedEntities[] = $matches[1];
    }
}

// 第二步：给XML添加临时实体定义
if (!empty($undefinedEntities)) {
    $entityDefs = implode('', array_map(function($name) {
        return "<!ENTITY $name 'TEMP'>";
    }, $undefinedEntities));
    $xml = "<!DOCTYPE a [$entityDefs]>" . $xml;
}

// 第三步：重新加载XML，保留实体引用
$dom = new DOMDocument();
$dom->substituteEntities = false;
$dom->loadXML($xml);

// 验证结果：输出5,b 5,c
foreach ($dom->documentElement->childNodes as $node) {
    echo $node->nodeType . "," . $node->nodeName . " ";
}

关键说明 #

• 先通过临时DOM加载捕获错误，提取未定义实体名称
• 动态生成DOCTYPE实体定义，让DOMDocument能正常加载XML且不替换实体

结论 #

• 直接使用DOMDocument无法保留未定义实体引用，因为libxml的recover模式会自动丢弃这类节点
• 优先推荐XMLReader+DOM导入的方法，无需修改原始XML，可靠性更高
• 动态补全实体的方法适合必须使用DOMDocument直接加载的场景，但依赖错误捕获逻辑

内容的提问来源于stack exchange，提问作者André LFS Bacci