PHP DOMDocument解析HTML时ul被移出pre元素的原因及解决方法

云原生阿岚

2026-9-28

问题原因

该现象是HTML解析器的标准纠错行为，完全符合HTML规范要求：<pre>标签的内容模型仅允许包含短语内容（行内级内容，例如文本、<span>、<code>等），禁止嵌套块级元素（例如<ul>、<div>、<p>等）。
你提供的原始HTML直接将<ul>作为<pre>的子元素，属于非法嵌套结构。PHP的DOMDocument底层依赖libxml的HTML解析器，解析过程中会自动修正不符合规范的结构：遇到<pre>内部出现非法块级元素时，会提前闭合<pre>标签，将非法块级元素移到<pre>标签外部，最终得到你看到的输出结果。

解决方法

根据你的使用场景，可以选择以下两种方案保留原始结构：

方案1：HTML标签严格闭合时使用

直接用loadXML方法替代loadHTML解析内容，XML解析器不会执行HTML规范特有的结构纠错逻辑，会严格按照输入的标签嵌套关系构建DOM树，输出即可保留原始结构：

$doc = new DOMDocument();
// 用XML模式解析，不执行HTML结构纠错
$doc->loadXML($html);
echo $doc->saveHTML();

方案2：兼容标签不严格闭合的HTML场景

可以先对HTML做预处理，把所有<pre>标签的内部内容转义为HTML实体，解析完成后再还原即可：

// 预处理：转义所有pre标签内的内容，避免被解析器修改
$html = preg_replace_callback('#(<pre[^>]*>)(.*?)(</pre>)#is', function($matches) {
    return $matches[1] . htmlspecialchars($matches[2]) . $matches[3];
}, $html);

$doc = new DOMDocument();
// 关闭自动添加html/body/doctype的逻辑
$doc->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

// 后处理：还原pre标签内的原始内容
foreach($doc->getElementsByTagName('pre') as $pre) {
    $pre->nodeValue = htmlspecialchars_decode($pre->nodeValue);
}

echo $doc->saveHTML();