如何在PHP中修正HTML标签的嵌套顺序，实现正确闭合？

这确实是个常见的坑——手动编写或者从某些导出工具得到的HTML经常会出现标签闭合顺序混乱的情况，就像你提到的<b><i>bold and italic</b></i>这种错误嵌套。在PHP里，最靠谱的解决方式是用内置的DOM扩展来处理，它会自动帮我们修正HTML结构，比自己写正则要稳妥得多（正则处理HTML真的很容易踩各种边界坑）。

具体实现代码 #

下面是一个直接可用的示例，能完美解决你提到的问题：

<?php
// 你的不规范HTML代码
$malformedHtml = '<b><i>bold and italic</b></i>';

// 初始化DOM文档对象
$dom = new DOMDocument();

// 临时禁用libxml的错误报告，避免不规范HTML触发警告
libxml_use_internal_errors(true);

// 加载HTML，添加UTF-8声明确保编码正确，同时指定参数避免自动添加<html>/<body>标签
$dom->loadHTML('<?xml encoding="UTF-8">' . $malformedHtml, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

// 清理之前的错误信息
libxml_clear_errors();

// 导出修正后的HTML
$fixedHtml = $dom->saveHTML();

// 输出结果，会得到 <b><i>bold and italic</i></b>
echo $fixedHtml;
?>

代码关键点解释 #

• LIBXML_HTML_NOIMPLIED + LIBXML_HTML_NODEFDTD：这两个参数组合起来可以让DOM只保留我们传入的HTML片段，不会自动添加默认的<html>、<body>标签和DOCTYPE声明，避免多余的内容。
• libxml_use_internal_errors(true)：因为我们传入的是不规范的HTML，libxml默认会输出一堆警告信息，这个函数可以把这些警告暂时屏蔽掉，处理完后再用libxml_clear_errors()清理。
• DOM的自动修正能力：DOM扩展本身就是为处理XML/HTML结构设计的，它会自动识别标签的嵌套关系，把错误的闭合顺序修正为正确的层叠嵌套形式，哪怕是更复杂的多层嵌套错误也能处理。

为什么不推荐用正则？ #

HTML的结构太灵活了——标签可能带属性、可能有自闭合标签、可能嵌套多层，正则表达式很难覆盖所有的边界情况，很容易出现修正不彻底或者误改的问题。用DOM这种专门的工具才是正确的选择。

内容的提问来源于stack exchange，提问作者user2335065