使用PHPWord库与DOM对象处理嵌套HTML表格转Word的问题排查

问题背景 #

现有PHP代码通过PHPWord转换含嵌套表格的HTML时，内层表格的<td>会被错误识别为外层表格的单元格，导致Word文档格式混乱。根源是$row->getElementsByTagName('td')会获取当前行下所有后代<td>元素，包括内层表格里的单元格。

修复方案 #

核心思路是：处理外层表格单元格时，先检查单元格内是否包含嵌套表格，若存在则递归处理该表格并嵌入到当前单元格中，同时保留单元格内的其他文本内容。

修改后的完整代码 #

$section = $phpWord->addSection();
processTableToWord($section, $html);

function processTableToWord($container, $table_data) {
    $table_style = new \PhpOffice\PhpWord\Style\Table;
    $table_style->setBorderColor('aaaaaa');
    $table_style->setBorderSize(1);
    $table_style->setUnit('auto');
    $table_style->setWidth('100px');
    
    // 计算表格列宽（兼容合并列）
    $clm_width = countColumns($table_data);
    $table = $container->addTable($table_style);

    $dom = new \DOMDocument;
    // 忽略HTML解析错误，兼容不规范标签
    libxml_use_internal_errors(true);
    $dom->loadHTML($table_data);
    libxml_clear_errors();
    
    $xpath = new \DOMXPath($dom);

    // 处理表头
    $thead_rows = $xpath->query('//thead/tr');
    foreach ($thead_rows as $thead_row) {
        $thead_cells = $xpath->query('./th', $thead_row);
        $table->addRow();
        foreach ($thead_cells as $thead_cell) {
            $currentCell = $table->addCell($clm_width, ['valign' => 'top']);
            processCellContent($currentCell, $thead_cell);
            // 给表头文本加加粗样式
            $textElements = $currentCell->getElements();
            foreach ($textElements as $element) {
                if ($element instanceof \PhpOffice\PhpWord\Element\Text) {
                    $element->setFontStyle(['bold' => true]);
                }
            }
        }
    }

    // 处理表体
    $tbody_rows = $xpath->query('//tbody/tr');
    foreach ($tbody_rows as $row) {
        // 只获取当前行的直接子td，不包含内层表格的td
        $cells = $xpath->query('./td', $row);
        $table->addRow();
        foreach ($cells as $cell) {
            $style_arrs = [];
            if (!empty($cell->getAttribute('style'))) {
                $style_arrs = processStyleAttributes($cell->getAttribute('style'));
            }
            $colspan = $cell->getAttribute('colspan') ?: 1;
            $cellWidth = $colspan * $clm_width;
            
            // 构建单元格样式
            $cellStyle = ['gridSpan' => $colspan];
            if (!empty($style_arrs['vertical-align'])) {
                $cellStyle['valign'] = $style_arrs['vertical-align'];
            }
            
            // 创建当前单元格并处理内容
            $currentCell = $table->addCell($cellWidth, $cellStyle);
            processCellContent($currentCell, $cell);
        }
    }
}

/**
 * 处理单元格内的内容：文本和嵌套表格
 */
function processCellContent($container, $cellNode) {
    $dom = new \DOMDocument;
    // 遍历单元格的直接子节点
    foreach ($cellNode->childNodes as $node) {
        switch ($node->nodeType) {
            // 文本节点
            case XML_TEXT_NODE:
                $text = trim($node->nodeValue);
                if (!empty($text)) {
                    $container->addText($text, [], 'a_table');
                }
                break;
            // 元素节点
            case XML_ELEMENT_NODE:
                // 如果是嵌套表格，递归处理
                if ($node->tagName === 'table') {
                    $tableHtml = $dom->saveHTML($node);
                    processTableToWord($container, $tableHtml);
                } else {
                    // 处理其他元素（如p、strong）的文本内容
                    $text = trim($node->nodeValue);
                    if (!empty($text)) {
                        $container->addText($text, [], 'a_table');
                    }
                }
                break;
        }
    }
}

// 解析单元格style属性为数组
function processStyleAttributes($styleStr) {
    $styles = [];
    $stylePairs = explode(';', $styleStr);
    foreach ($stylePairs as $pair) {
        $pair = trim($pair);
        if (empty($pair)) continue;
        list($key, $value) = explode(':', $pair, 2);
        $styles[trim($key)] = trim($value);
    }
    return $styles;
}

// 计算表格总列数（兼容合并列）
function countColumns($html) {
    $dom = new \DOMDocument;
    libxml_use_internal_errors(true);
    $dom->loadHTML($html);
    libxml_clear_errors();
    $xpath = new \DOMXPath($dom);
    
    // 优先取表头列数，没有则取第一行数据列数
    $cells = $xpath->query('//thead/tr/th');
    if ($cells->length === 0) {
        $cells = $xpath->query('//tbody/tr[1]/td');
    }
    
    $totalCols = 0;
    foreach ($cells as $cell) {
        $totalCols += (int)$cell->getAttribute('colspan') ?: 1;
    }
    return $totalCols > 0 ? (100 / $totalCols) : 33.33; // 返回百分比宽度
}

关键修改点 #

• 精准获取元素：使用DOMXPath的./td查询当前行的直接子<td>，彻底避免误取内层表格的单元格
• 递归处理嵌套表格：新增processCellContent函数，遍历单元格直接子节点，遇到嵌套表格时递归调用表格处理函数，将其嵌入当前单元格
• 样式与内容分离：拆分样式解析和内容处理逻辑，确保单元格样式和嵌套表格格式都能正确应用
• 兼容合并列：优化列宽计算逻辑，支持带colspan的表格结构

内容的提问来源于stack exchange，提问作者Dinesh Chandra