PHP DOMDocument加载含&的URL报错，寻求非正则类解决方案

问题描述 #

使用PHP的DOMDocument修改HTML时，若图片或链接的URL中包含未转义的“&”，会触发如下解析错误：

DOMDocument::loadHTML(): htmlParseEntityRef: no name in Entity, line xyz

这些“&”是合法URL的一部分，并非未闭合的HTML实体，但第三方网站不接受转义后的&替代。需要找到除正则编解码之外的方法，既消除报错，又保证输出的HTML合法且URL保持原始格式。

可行解决方案 #

1. 添加HTML5 DOCTYPE声明 #

DOMDocument处理无DOCTYPE的HTML时会进入怪异模式，对实体的校验极为严格。添加标准HTML5 doctype可切换到标准解析模式，让解析器正确识别URL中的“&”：

// 在原始HTML前拼接DOCTYPE
$html = '<!DOCTYPE html>' . $originalHtml;

$dom = new DOMDocument();
$dom->loadHTML($html);

2. 禁用实体加载器（PHP 5.2-7.3适用） #

通过libxml_disable_entity_loader()禁用实体解析，让DOMDocument将“&”视为普通字符处理，避免误判为未闭合实体：

// 临时禁用实体加载器
libxml_disable_entity_loader(true);

$dom = new DOMDocument();
$dom->loadHTML($originalHtml);

// 恢复默认设置，避免影响后续操作
libxml_disable_entity_loader(false);

注意：该函数在PHP 7.4及以上版本已被废弃，仅适合旧版本环境。

3. 结合错误抑制与URL修正 #

先通过libxml错误抑制避免报错，再手动修正被误转义的URL，兼顾HTML合法性与URL原始格式：

// 开启内部错误处理，抑制报错输出
libxml_use_internal_errors(true);

$dom = new DOMDocument();
// 加载HTML时禁用错误和警告提示
$dom->loadHTML($originalHtml, LIBXML_NOERROR | LIBXML_NOWARNING);

// 清除积累的错误
libxml_clear_errors();
// 恢复错误处理默认设置
libxml_use_internal_errors(false);

// 遍历所有带URL的属性，将误转义的&还原为&
$xpath = new DOMXPath($dom);
$urlAttributes = $xpath->query('//@src | //@href | //@action');
foreach ($urlAttributes as $attr) {
    $attr->value = str_replace('&', '&', $attr->value);
}

// 输出合法HTML，同时URL保持原始格式
echo $dom->saveHTML();

内容的提问来源于stack exchange，提问作者unixandria