我试图解析HTML代码与DOM文档，做的东西一样改变它，然后组装起来回到我发送到输出的字符串。

但是，对于解析，这意味着什么，我发送到DOM文档并不总是回来相同形式的几个问题:)

这里有一个列表：

使用- > loadHTML ：
- 格式我的文件不管preserveWhitespace和formatOutput设置（预格式化文本失去空格）
- 给我的错误，当我有像HTML5标记<header> ， <footer>等，但它们可以supressed，这样我就可以用这个活。
- 产生不一致的标记-例如，如果我添加<link ... />元素（具有自闭合标签），解析后/ saveHTML的输出将是<link .. >
使用- > loadXML的：
- 编码实体像>从<style>或<script>标签： body > div变body > div body > div
- 所有标签都关闭以相同的方式，例如<meta ... />变得<meta...></meta> ; 但是这可以固定与正则表达式。

我没有尝试HTML5lib但我更喜欢的，而不是出于性能方面的定制解析器的DOMDocument

更新：

所以像Honeymonster使用CDATA修复了loadXML的主要问题提及。

有没有什么办法可以阻止所有空HTML标签的自动关闭，除了一组特定的，不使用正则表达式？

现在，我有：

$html = $dom->saveXML($node);

$html = preg_replace_callback('#<(\w+)([^>]*)\s*/>#s', function($matches){

       // ignore only these tags
       $xhtml_tags = array('br', 'hr', 'input', 'frame', 'img', 'area', 'link', 'col', 'base', 'basefont', 'param' ,'meta');

       // if a element that is not in the above list is empty,
       // it should close like   `<element></element>` (for eg. empty `<title>`)
       return in_array($matches[1], $xhtml_tags) ? "<{$matches[1]}{$matches[2]} />" : "<{$matches[1]}{$matches[2]}></{$matches[1]}>";
}, $html);

它的工作原理，但它也将完成替换在CDATA内容，我不想...

Answer 1:

不幸的是，也可能幸运的是，DOM文档被设计成不尝试保留原始文件格式。这是通过将所有的元素相同的样式，使解析器的内部状态更易于管理。据我所知大多数解析器会在内存中创建一个树表示，而不用担心文本格式，直到用户请求等。这就是为什么你的自我封闭标签有独立的结束标记输出。好消息是，它并不重要。

至于式标签和脚本标记得到<>转换为<> ，您可以通过在周围用正是如此推荐CDATA标签问题的元素的内容，以避免转换：

<style>
  /*<![CDATA[*/
    body > div {
      width: 50%;
    }
  /*]]>*/
</style>

注释/* */周围的CDATA声明应允许破客户不知道CDATA节，而是把声明为CSS代码。如果您使用的内部文件只有这样，你可以省略/* */注释包围并只有在CDATA声明。您可能会遇到的问题与上述破碎客户，如果你操作文档，然后将它发送到浏览器不检查，以确保/* */注释保留; 我不确定是否DOM文档将保留这些与否。

Answer 2:

使用html5lib 。它可以解析HTML5和产生一个DOMDocument。例：

require_once '/path/to/HTML5/Parser.php';
$dom = HTML5_Parser::parse('<html><body>...');

文档

Answer 3:

如果你想支持HTML5，完全不碰DOM文档。

目前最好的选择似乎是https://github.com/Masterminds/html5-php

以前，最好的选择是https://github.com/html5lib/html5lib-php但作为描述说，这是“目前没有维护”。这已被地位自2011年10月，所以我不屏住呼吸了。

我没有使用html5-php生产，所以我不能提供任何真实世界的体验。我用html5lib-php在生产，我会说，这是正确的解析以及形成的文件，但它有一些简单的语法错误意外错误。在另一方面，它似乎正确地实现了收养机构算法和其他一些怪异的极端情况。如果html5lib-php仍然保持着，我还是更喜欢它。然而，就目前的立场，我宁愿使用html5-php和可能的帮助有固定剩余的错误。