如何用DOMDocument读取含PHP短标签的phtml文件meta content属性

这个问题我之前也踩过坑！核心原因是DOMDocument解析HTML时，把PHP代码里的双引号当成了content属性值的闭合标记，导致解析提前终止，只读到了<?= getenv这部分。下面给你几个可行的解决办法，按优先级排序：

方法一：修改phtml文件的引号类型（最简单直接） #

HTML属性值支持单引号或双引号包裹，只要让content属性的外部引号和PHP代码里的内部引号不同，就能避免冲突。

你可以把meta标签改成两种形式之一：

1. 外部用单引号，内部PHP保留双引号：

<meta name="description" content='<?= getenv("LANDING_DESCRIPTION") ?>'>

2. 外部用双引号，把PHP里的双引号改成单引号：

<meta name="description" content="<?= getenv('LANDING_DESCRIPTION') ?>">

修改后再用DOMDocument解析，就能完整获取到<?= getenv("LANDING_DESCRIPTION") ?>（或对应的单引号版本）作为content属性值了。

方法二：用正则表达式提取（无需修改原文件） #

如果不能改动原phtml文件，可以用正则匹配完整的content属性内容。这里要注意处理PHP代码里的双引号，避免提前截断：

$phtmlContent = file_get_contents('your-file.phtml');
// 匹配name为description的meta标签，兼容属性顺序、大小写等情况
preg_match('/<meta\s+name=["\']description["\']\s+content=["\']((?:[^"\'\\\\]|\\\\.|["\'](?=[^>]*?>))*)["\']/i', $phtmlContent, $matches);

if (isset($matches[1])) {
    $fullContent = $matches[1];
    // $fullContent 就是完整的 <?= getenv("LANDING_DESCRIPTION") ?>
}

这个正则会忽略PHP代码内部的引号，只识别meta标签闭合的引号，能准确提取内容。

方法三：用PHP Tokenizer解析（最可靠） #

如果你的phtml文件结构复杂，正则容易出错，可以用PHP自带的token_get_all()函数，它能准确区分HTML和PHP代码片段：

$tokens = token_get_all(file_get_contents('your-file.phtml'));
$fullContent = '';
$inMetaDesc = false;
$capturingContent = false;

foreach ($tokens as $token) {
    if (is_array($token)) {
        list($tokenId, $text, $line) = $token;
        
        // 处理HTML片段
        if ($tokenId === T_INLINE_HTML) {
            // 检查是否进入了目标meta标签
            if (strpos(strtolower($text), '<meta name="description"') !== false) {
                $inMetaDesc = true;
                // 提取content属性的起始内容
                if (preg_match('/content="(.*)/', $text, $matches)) {
                    $fullContent .= $matches[1];
                    $capturingContent = true;
                }
            } 
            // 检查是否退出了meta标签
            elseif ($inMetaDesc && strpos($text, '>') !== false) {
                // 截断到闭合引号前的内容
                $fullContent = substr($fullContent, 0, strpos($fullContent, '"'));
                $inMetaDesc = false;
                $capturingContent = false;
            }
            // 正在捕获content内容时，追加HTML片段
            elseif ($capturingContent) {
                $fullContent .= $text;
            }
        }
        // 处理PHP代码片段，处于捕获状态时直接追加
        elseif ($capturingContent && $tokenId !== T_WHITESPACE) {
            $fullContent .= $text;
        }
    } else {
        // 处理单个字符（比如?>），处于捕获状态时追加
        if ($capturingContent) {
            $fullContent .= $token;
        }
    }
}

// 最终$fullContent就是完整的content属性值

这种方法完全不受引号冲突影响，适合复杂的phtml文件场景。

内容的提问来源于stack exchange，提问作者Augusto Coelho Henriques