如何用DOMDocument批量替换数千篇文章中的<a>标签？

我用PHP的DOMDocument从3000多篇文章中提取所有<a>标签，通过C14N()函数将这些标签存入existing_link表，表结构如下：

id | existing_link | replacement_link
1 | <a class="class1" href="domain1.com" rel="nofollow">Domain1.com</a> | <a href="domain2.com">Domain2.com</a>

原本打算用Laravel的Str::replace()批量替换链接，但C14N()会按字母顺序排序标签属性，导致数据库中存储的属性顺序（class->href->rel）和文章中原标签的属性顺序（href->class->rel）不一致，无法通过字符串匹配替换。

每篇文章可能需要替换多个链接，目前尝试的代码如下：

$new_links = DB::table('links')->get();

foreach ($new_links as $new_link)
{
    $post = Post::where('id', $new_link->id)->first();
    $post_body = $post->body;

    $domDocument = new \DOMDocument();
    $domDocument->loadHTML($post_body, LIBXML_NOERROR);

    // 提取文章中的链接
    $old_links = $domDocument->getElementsByTagName('a');

    foreach ($old_links as $old_link)
    {
        if($old_link->C14N() == $new_link->existing_link)
        {
            // 不知道怎么用DOMDocument完成替换
        }
    }
}

需要实现最终的链接替换，接受任何可行方案。

方案1：基于DOM属性精准匹配（推荐） #

放弃C14N()字符串匹配，改为对比<a>标签的核心属性（如href、文本内容，必要时补充class/rel等），匹配后直接修改DOM节点：

1. 预处理数据库中的链接，解析为关键属性映射：

// 生成链接匹配映射表
$linkMap = [];
foreach ($new_links as $linkItem) {
    $tempDom = new \DOMDocument();
    $tempDom->loadHTML($linkItem->existing_link, LIBXML_NOERROR);
    $tempA = $tempDom->getElementsByTagName('a')->item(0);
    
    if ($tempA) {
        // 用「href+文本内容」生成唯一匹配键，可按需添加class/rel等属性
        $key = md5($tempA->getAttribute('href') . '|' . $tempA->nodeValue);
        $linkMap[$key] = $linkItem->replacement_link;
    }
}

2. 遍历文章，匹配并替换节点：

foreach ($new_links as $new_link) {
    $post = Post::where('id', $new_link->id)->first();
    if (!$post) continue;

    $domDocument = new \DOMDocument();
    // 加入UTF-8声明避免乱码，关闭警告
    $domDocument->loadHTML('<?xml encoding="UTF-8">' . $post->body, LIBXML_NOERROR | LIBXML_NOWARNING);
    $xpath = new \DOMXPath($domDocument);
    $old_links = $xpath->query('//a');

    foreach ($old_links as $old_link) {
        $key = md5($old_link->getAttribute('href') . '|' . $old_link->nodeValue);
        if (isset($linkMap[$key])) {
            // 解析替换链接为DOM节点
            $tempDom = new \DOMDocument();
            $tempDom->loadHTML($linkMap[$key], LIBXML_NOERROR);
            $newA = $tempDom->getElementsByTagName('a')->item(0);
            if ($newA) {
                // 导入新节点到当前文档
                $importedNewA = $domDocument->importNode($newA, true);
                // 替换旧节点
                $old_link->parentNode->replaceChild($importedNewA, $old_link);
            }
        }
    }

    // 清理DOM自动添加的html/body标签，还原文章内容
    $updatedBody = preg_replace('/^<!DOCTYPE.+?>/', '', str_replace(['<html>', '</html>', '<body>', '</body>'], ['', '', '', ''], $domDocument->saveHTML()));
    $post->body = $updatedBody;
    $post->save();
}

方案2：预处理存储时统一属性顺序 #

如果必须用C14N()字符串匹配，可在提取<a>标签存入数据库前，手动按字母顺序排序属性，和C14N()的排序逻辑对齐：

// 自定义排序属性并生成C14N字符串的函数
function getSortedC14N(\DOMElement $element) {
    $attributes = [];
    foreach ($element->attributes as $attr) {
        $attributes[$attr->name] = $attr->value;
    }
    // 按字母顺序排序属性
    ksort($attributes);
    // 清空原有属性
    while ($element->hasAttributes()) {
        $element->removeAttribute($element->attributes->item(0)->name);
    }
    // 重新添加排序后的属性
    foreach ($attributes as $name => $value) {
        $element->setAttribute($name, $value);
    }
    return $element->C14N();
}

// 提取标签存入数据库时调用该函数
$c14nStr = getSortedC14N($aElement);
// 将$c14nStr存入existing_link字段

这样数据库中存储的existing_link属性顺序，和文章中标签经过C14N()后的顺序完全一致，即可通过字符串匹配或DOM的C14N()对比完成替换。

方案3：XPath直接定位替换 #

如果替换规则仅基于href（比如把所有指向domain1.com的链接替换为domain2.com），可直接用XPath定位目标链接，无需提前存储所有<a>标签：

// 假设已获取所有需要处理的文章集合$posts
foreach ($posts as $post) {
    $domDocument = new \DOMDocument();
    $domDocument->loadHTML('<?xml encoding="UTF-8">' . $post->body, LIBXML_NOERROR);
    $xpath = new \DOMXPath($domDocument);
    // 定位所有href为domain1.com的链接
    $linksToReplace = $xpath->query('//a[@href="domain1.com"]');
    
    foreach ($linksToReplace as $link) {
        // 修改href属性
        $link->setAttribute('href', 'domain2.com');
        // 修改文本内容
        $link->nodeValue = 'Domain2.com';
        // 按需移除多余属性
        $link->removeAttribute('class');
        $link->removeAttribute('rel');
    }

    $updatedBody = preg_replace('/^<!DOCTYPE.+?>/', '', str_replace(['<html>', '</html>', '<body>', '</body>'], ['', '', '', ''], $domDocument->saveHTML()));
    $post->body = $updatedBody;
    $post->save();
}

内容的提问来源于stack exchange，提问作者TheBigK