Я пытаюсь проанализировать HTML-код с помощью DOMDocument, внести в него такие вещи, как изменения, а затем собрать его обратно в строку, которую я отправляю на вывод.

Но есть несколько проблем с синтаксическим анализом, а это означает, что то, что я отправляю в DOMDocument, не всегда возвращается в той же форме :)

Вот список:

1. с использованием ->loadHTML:

   • форматирует мой документ независимо от настроек saveWhitespaceи formatOutput(потеря пробелов в предварительно отформатированном тексте)
   • выдает мне ошибки, когда у меня есть теги html5, такие как
     , и т. д. Но их можно подавить, так что я могу с этим жить.
   • создает несогласованную разметку — например, если я добавляю Элемент (с самозакрывающимся тегом), после синтаксического анализа/сохранения HTML вывод будет

2. с использованием ->loadXML:

   • кодирует сущности например >из или теги: body > div становится body > div
   • все теги закрываются таким же образом, например становится ; но это можно исправить с помощью регулярного выражения.

Я не пробовал HTML5lib, но предпочел бы DOMDocument вместо пользовательского синтаксического анализатора из соображений производительности.

Обновление:

Таким образом, как упомянутый Honeymonster, использование CDATA устраняет основную проблему с loadXML.

Можно ли как-то предотвратить самозакрытие всех пустых тегов HTML, кроме определенного набора, без использования регулярного выражения?

Прямо сейчас у меня есть:

$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   `` (for eg. empty `