PHP DOMDocument解析TinyMCE HTML时hr标签后内容丢失求助

我刚好碰到过类似的坑，其实问题出在你使用的LIBXML_HTML_NOIMPLIED和LIBXML_HTML_NODEFDTD这两个参数上，我来给你拆解清楚：

为什么会丢失后续内容？ #

当你添加这两个参数时，DOMDocument不会自动给你的HTML补全<html>和<body>根元素。这时候你的输入<hr /><p>&nbsp;</p><p>test input</p>会被解析成三个同级的顶级节点（<hr>、<p>、<p>）。而默认调用saveHTML()不传参数时，它只会输出文档的第一个子节点，所以后面的内容就被忽略了。

你可以验证一下文档结构：

$input = '<hr /><p>&nbsp;</p><p>test input</p>';
$domDoc = new DOMDocument();
$domDoc->loadHTML($input, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
// 打印所有子节点数量
var_dump($domDoc->childNodes->length); // 输出int(3)，说明三个节点都存在

两种解决方案 #

方案1：手动添加根容器包裹内容

给输入套一个<div>（或其他容器），确保文档有唯一的根节点，这样所有内容都会被包含进去：

$input = '<hr /><p>&nbsp;</p><p>test input</p>';
// 用div包裹原始内容
$wrappedInput = '<div>' . $input . '</div>';

$domDoc = new DOMDocument();
$domDoc->loadHTML($wrappedInput, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

// 获取div内部的所有内容
$content = $domDoc->saveHTML($domDoc->documentElement->firstChild);
var_dump($content);
// 输出结果：<hr><p>&nbsp;</p><p>test input</p>

方案2：遍历所有顶级节点拼接输出

如果不想添加额外的容器，可以直接遍历文档的所有子节点，逐个调用saveHTML()并拼接结果：

$input = '<hr /><p>&nbsp;</p><p>test input</p>';
$domDoc = new DOMDocument();
$domDoc->loadHTML($input, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

$output = '';
// 遍历每个顶级节点并保存
foreach ($domDoc->childNodes as $node) {
    $output .= $domDoc->saveHTML($node);
}

var_dump($output);
// 输出结果：<hr><p>&nbsp;</p><p>test input</p>

补充说明 #

DOMDocument会自动把自闭合的<hr />转换成<hr>，这是HTML标准的序列化行为，完全不影响页面渲染和功能，不用在意这个差异。

内容的提问来源于stack exchange，提问作者user7968630