PHP：如何用DOMDocument和DOMXPath遍历所有HTML节点（含被其他节点分割的文本节点）并修改内容，同时避免自动添加html/body标签

问题解答 #

1. 获取类似"TEST_1"、"TEST_2"的文本节点

你说得没错，TEST_1和TEST_2属于直接附着在非叶子元素上的文本节点（它们的父节点h3包含其他子元素<b>），而你的原XPath只选中了无子元素的元素节点，所以没覆盖到这些文本节点。

要选中这类文本节点，你可以用XPath表达式定位非空白且父元素包含其他子元素的文本节点，代码示例如下：

$dom = new DOMDocument();
$dom->loadHTML(' <h3> TEST_1 <b>b tag content</b> TEST_2 </h3> <p>p tag content </p> ');
$xpath = new DOMXPath($dom);

// 原逻辑：修改无子元素的元素节点内容
foreach ($xpath->evaluate('//*[count(*) = 0]') as $node) {
    $node->nodeValue = "Changed " . $node->nodeValue;
}

// 新增逻辑：修改父元素有子元素的非空白文本节点
foreach ($xpath->evaluate('//text()[normalize-space(.) != "" and parent::*[count(*) > 0]]') as $textNode) {
    $textNode->nodeValue = "Changed " . $textNode->nodeValue;
}

echo $dom->saveHTML();

运行这段代码后，TEST_1和TEST_2会被修改为Changed TEST_1和Changed TEST_2，最终输出的内容会符合你的预期。

2. 阻止saveHTML自动添加<html>和<body>标签

DOMDocument的loadHTML方法默认会补全HTML文档结构，导致输出时自动添加DOCTYPE、<html>和<body>标签。解决这个问题有两种常用方式：

方式一：指定输出<body>节点的内容

通过saveHTML()的参数，仅输出<body>标签内部的内容：

// 你的DOM修改逻辑...
echo $dom->saveHTML($dom->getElementsByTagName('body')->item(0));

这样输出的结果会去掉外层的<html>和DOCTYPE，只保留<body>内的元素。

方式二：使用LIBXML的选项禁用自动补全

在loadHTML时传入LIBXML_HTML_NODEFDTD（禁用DOCTYPE）和LIBXML_HTML_NOIMPLIED（禁用自动添加html/body标签）选项，需要PHP 5.4+支持：

$dom = new DOMDocument();
// 加载HTML时禁用自动补全结构
$dom->loadHTML(' <h3> TEST_1 <b>b tag content</b> TEST_2 </h3> <p>p tag content </p> ', LIBXML_HTML_NODEFDTD | LIBXML_HTML_NOIMPLIED);
$xpath = new DOMXPath($dom);

// 你的修改逻辑...

echo $dom->saveHTML();

这种方式下，输出的内容就是你原始输入的结构，不会添加额外的标签。

内容的提问来源于stack exchange，提问作者Denis Petrov