PHP DOMDocument加载邮件HTML报错：<html>标签错位及格式异常

核心问题分析 #

• 出现=3D和=乱码：这是邮件内容使用Quoted-Printable编码的表现，PHPmailer返回的$email->body是编码后的原始内容，未自动解码
• htmlParseStartTag: misplaced <html> tag等解析错误：邮件HTML是为邮件客户端优化的，通常不符合严格XML规范，用loadXML加载会报错；直接用loadHTML未处理编码也会出错

分步解决方案 #

1. 解码Quoted-Printable编码的邮件内容 #

PHP内置函数可直接解码邮件编码内容：

// 解码邮件原始内容
$decodedBody = quoted_printable_decode($email->body);

2. 正确加载HTML并处理非规范代码 #

邮件HTML常有不规范写法（如未闭合标签、属性引号缺失），需用loadHTML而非loadXML，同时设置编码并合理抑制解析警告：

$dom = new DOMDocument();
// 指定编码避免乱码
$dom->encoding = 'UTF-8';
// 抑制非致命解析警告（邮件HTML的不规范写法不影响元素查找）
@$dom->loadHTML($decodedBody);

3. 可靠定位目标元素 #

若getElementById失效，用DomXPath更灵活定位：

// 方法1：getElementById直接查找
$dateElement = $dom->getElementById('date');

// 方法2：DomXPath定位（适配复杂邮件结构）
$xpath = new DOMXPath($dom);
$dateNodeList = $xpath->query('//*[@id="date"]');
if ($dateNodeList->length > 0) {
    $dateElement = $dateNodeList->item(0);
}

// 获取元素内的动态数据
$actualDate = trim($dateElement->textContent);

完整修正代码 #

$email = tests_retrieve_phpmailer_instance()->get_sent(0);
// 解码邮件编码内容
$decodedBody = quoted_printable_decode($email->body);

$dom = new DOMDocument();
$dom->encoding = 'UTF-8';
@$dom->loadHTML($decodedBody);

// 用XPath查找目标元素并验证
$xpath = new DOMXPath($dom);
$dateNodeList = $xpath->query('//*[@id="date"]');
if ($dateNodeList->length > 0) {
    $actualDate = trim($dateNodeList->item(0)->textContent);
    // 添加断言验证动态数据是否符合预期
    // assert($actualDate === '2024-05-20');
} else {
    throw new Exception('未找到id为date的目标元素');
}

关键注意事项 #

• 禁止用loadXML加载邮件HTML：邮件HTML几乎都不符合严格XML规范，必须用loadHTML
• 解码是核心：quoted_printable_decode是解决=3D乱码的唯一直接方法
• 抑制警告合理：邮件生成工具（如Sendinblue）的代码兼容客户端但不严格合规，解析警告不影响元素查找

内容的提问来源于stack exchange，提问作者fudo