PHP使用DOMXPath查询img标签时如何忽略script标签内的内容

• 你大概率是用了DOMDocument::loadXML()方法来加载HTML内容：XML解析器没有HTML中script标签的特殊处理逻辑，会把script内部的<img>当成正常的DOM标签解析。如果解析过程中出现语法错误（XML要求script内的<必须实体转义）且你屏蔽了错误提示，很容易出现DOM结构错乱，script标签被提前关闭，导致原本在script内的img节点变成和script同级的节点，not(ancestor::script)的过滤规则自然无法生效。
• 少数情况是使用loadHTML()时没有屏蔽libxml错误，遇到不规范HTML时解析异常，导致DOM结构和预期不符。

你的XPath逻辑本身没有问题，替换为符合HTML解析规则的加载方式即可：

$dom = new DOMDocument();
// 屏蔽HTML不规范产生的解析警告
libxml_use_internal_errors(true);
// 加载HTML内容，两个参数分别是禁止自动补全html/body根标签、禁止插入默认DTD
$dom->loadHTML('你的HTML源码字符串', LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
libxml_clear_errors();

$xpath = new DOMXpath($dom);
$imgs = $xpath->query('//img[not(ancestor::script)]');

如果你的场景必须使用loadXML()加载XHTML内容，需要确保所有script标签内部的特殊字符已经做了实体转义，或者用<![CDATA[ ]]>包裹script内容，同时XPath中的标签名和实际标签大小写保持一致。

内容的提问来源于stack exchange，提问作者Rick