PHP使用DOMDocument遍历DOM元素及子元素替换innerHTML和后续内容

实现思路 #

• 不能直接修改DOMElement的nodeValue，该操作会清空元素下所有子节点，仅保留文本内容
• 需要分两部分处理目标内容：
  1. 元素内部的直接文本节点：仅修改元素下第一层的文本节点，不触碰嵌套的子元素
  2. 元素闭合后的相邻文本节点：定位到元素的下一个同级节点，若为文本节点则修改
• 采用递归遍历处理所有层级的嵌套元素
• 加载HTML时添加额外参数避免DOMDocument自动补全html/body等默认标签

完整实现代码 #

<?php
$doc = new DOMDocument();
// 屏蔽HTML不规范导致的系统警告
libxml_use_internal_errors(true);
// 禁用自动补全HTML根标签、DOCTYPE声明，保持原始结构
$doc->loadHTML(
    '<div>inHTML1</div>afHTML1<div>inHTML2<div>inHTMLChild2</div>afHTMLChild2</div>afHTML2<div>inHTML3 </div>afHTML3',
    LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD
);
libxml_clear_errors();

// 递归处理节点函数
function processNode(DOMNode $node) {
    // 仅处理div元素，可按需修改目标标签
    if ($node instanceof DOMElement && $node->tagName === 'div') {
        // 1. 替换div内部的直接文本内容
        foreach ($node->childNodes as $child) {
            if ($child->nodeType === XML_TEXT_NODE) {
                // 按需修改文本替换规则，示例为加new前缀
                $child->nodeValue = 'new ' . trim($child->nodeValue);
                break; // 仅修改第一个直接文本节点，符合示例需求
            }
        }

        // 2. 替换div闭合后的后续文本节点
        $nextSibling = $node->nextSibling;
        if ($nextSibling && $nextSibling->nodeType === XML_TEXT_NODE) {
            // 示例判断：第三个div后的afHTML3不修改，可按需调整规则
            if (trim($nextSibling->nodeValue) !== 'afHTML3') {
                $nextSibling->nodeValue = 'new ' . trim($nextSibling->nodeValue);
            }
        }
    }

    // 递归处理所有子节点
    if ($node->hasChildNodes()) {
        // 转数组遍历，避免动态DOMNodeList遍历遗漏
        foreach (iterator_to_array($node->childNodes) as $child) {
            processNode($child);
        }
    }
}

// 从根节点开始处理
foreach (iterator_to_array($doc->childNodes) as $rootNode) {
    processNode($rootNode);
}

// 输出处理后的HTML
$html = $doc->saveHTML();
echo $html;
?>

代码说明 #

• 加载HTML时的两个参数可以避免DOMDocument自动生成多余的页面结构标签，完全保留原始HTML片段的结构
• 仅针对XML_TEXT_NODE类型的节点做修改，不会破坏嵌套的子元素结构
• 文本替换规则、目标处理标签都可以根据实际业务需求灵活调整

内容的提问来源于stack exchange，提问作者ThankFull