DOMDocument::loadHTML() 失败主因是默认补全结构及不兼容HTML5标签，导致documentElement为null；须用LIBXML_HTML_NOIMPLIED等标志禁用自动补全，并提前转码为UTF-8，再配合libxml_use_internal_errors(true)捕获错误。
DOMDocument 加载 HTML 失败、$dom->documentElement 为 null、中文乱码、无法匹配 HTML5 标签——这些问题几乎都出在加载环节，而不是后续遍历或查询。
DOMDocument::loadHTML() 为什么经常返回 null documentElement
根本原因是 loadHTML() 默认把输入当作“不完整 HTML 片段”处理：它会自动补全 等缺失结构，但若原始内容是纯标签（如 <div>xxx</div>），补全后可能使根节点变成 ，而你期望的容器反而成了子节点；更糟的是，遇到 HTML5 新标签（如 <article></article>、<section></section>），libxml 会直接报错并清空 DOM 树，导致 $dom->documentElement === null。
解决办法不是硬写 if (!$dom->documentElement) 去兜底，而是从加载时就控制行为：
- 始终在调用前加
libxml_use_internal_errors(true)，否则警告会中断脚本或污染输出 - 传入标志位
LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD，禁止自动补全和添加 DTD —— 这样才能让<div>xxx</div>的<div> 成为真正的根节点<li>避免单独使用 <code>@$dom->loadHTML(...)抑制错误：它掩盖了真实问题，比如编码错误或标签被丢弃 - 如果源 HTML 是 GBK（常见于国内老站）：
$html = mb_convert_encoding($html, 'UTF-8', 'GBK');再传给loadHTML() - 如果源 HTML 有
<meta charset="utf-8">但依然乱码：说明 libxml 没读到或读错了，最稳方案是手动前置 XML 声明：$html = '<?xml encoding="UTF-8"?>' . $html; - 如果用
file_get_contents('https://...')抓取远程页面：先用mb_detect_encoding()判断编码，再转 UTF-8；不要相信 HTTP header 的charset字段，它常与实际内容不符 - 创建实例：
$xpath = new DOMXPath($dom); - 查 class 为
content的所有<div>：<code>$nodes = $xpath->query('//div[contains(@class, "content")]'); - 查某个元素下的第一个
<p></p>：$xpath->query('./p[1]', $parentNode);（注意第二个参数传父节点，实现相对路径） -
$xpath->query()返回DOMNodeList，它不是数组，不能用count()或下标访问，要用$nodes->length判空，用foreach ($nodes as $node)遍历 -
$element->nodeValue：返回该元素及其**所有后代文本节点**拼接后的纯文本（不含标签），但会把注释、CDATA 等也吞掉，且中间空格/换行不保留 -
$element->textContent：行为类似nodeValue，但更严格遵循 DOM 规范，在某些 libxml 版本中对空格处理更一致 - 如果要提取某元素的“带标签的内部 HTML”，必须手动遍历其
$element->childNodes，逐个判断节点类型（XML_ELEMENT_NODE或XML_TEXT_NODE），再拼接 —— 没有快捷方法 - 更实用的做法：用
$dom->saveHTML($element)（注意传参！不传则输出整个文档），它返回该元素的完整 HTML 字符串，包括标签和属性
UTF-8 中文乱码的三种典型场景与对应修复
DOM 扩展内部只认 UTF-8，但实际 HTML 源头可能是 GBK、ISO-8859-1 或未声明编码的网页。乱码不是 echo 出来才看到的问题，而是解析阶段就已损坏 —— 比如 $element->nodeValue 里中文变问号或截断。
立即学习“PHP免费学习笔记（深入）”；
必须在 loadHTML() 前完成转码，不能依赖 DOM 自动识别：
生成可在 deepbi 沙箱 iframe 内运行或作为独立文件运行的交互式 HTML 页面，使用 `window.deepbi` JS SDK 实现数据查询、空间管理、文件浏览及用户操作。当用户提出以下需求时启用该能力： - 创建 KPI 仪表盘、数据表格、文件浏览器、成员列表、管理页面； - 明确要求“转成 dhtml”、“转译成 HTML”、“把 XX 页面转成……”、“控制台页面”、“管理后台”、“DeepBI 页面迁移”； - 提及位于 `apps/console/src/featur
querySelector 不可用？用 DOMXPath 替代才是正解
DOMDocument 类本身**没有** querySelector() 或 querySelectorAll() 方法。试图调用会直接抛出 Fatal error: Call to undefined method DOMDocument::querySelector()。这是初学者最常踩的坑之一。
真正能做复杂 CSS 选择器匹配的是 DOMXPath：
getElementsByTagName('*') 提取文本内容的陷阱
用 $dom->getElementsByTagName('*') 遍历所有元素看似简单，但 $element->nodeValue 和 $element->textContent 行为差异极大，且都不等于“innerHTML”：
真正难的从来不是“怎么写循环”，而是搞清每个属性/方法背后的数据来源和边界条件 —— 比如 nodeValue 是 DOM Level 1 就定义的老接口，而 innerHTML 在 PHP 的 Dom\HTMLElement 类里才有，DOMDocument 原生并不支持。
