必须用 DOMDocument + DOMXPath 提取 HTML 标题：先启用容错模式、屏蔽警告、禁用自动补全；再用 XPath 查询 h1–h6 并取 textContent；需注入 UTF-8 声明防乱码；Laravel 中应封装为服务且不回退正则。
在 Laravel 8 中用正则表达式提取 HTML 标题（如 <h1>、<h2>）极易因换行、属性顺序、注释或嵌套标签崩溃，导致抓取结果错乱甚至空值；必须改用 DOMDocument + DOMXPath 组合实现结构化、可预测的标题提取。
加载 HTML 并规避自动补全与警告
第一步：创建 DOMDocument 实例，并启用容错模式——不加这一步，遇到缺少 <html><body> 的片段时，$dom->documentElement 会为 null，后续所有查询都返回空。
第二步：调用 libxml_use_internal_errors(true)，屏蔽 malformed HTML 导致的 PHP Warning；否则脚本可能中断，且错误信息混入响应体。
第三步：使用 @$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD) 加载内容。【LIBXML_HTML_NOIMPLIED 必须启用】 否则 DOMDocument 会强行包裹一层 <html><body>，使 XPath 定位偏离原始结构。
立即学习“前端免费学习笔记（深入）”；
用 DOMXPath 精准定位各级标题
方法一：提取全部标题标签（h1–h6）及其文本内容
创建 DOMXPath 实例：$xpath = new DOMXPath($dom)；然后执行 $nodes = $xpath->query('//h1|//h2|//h3|//h4|//h5|//h6')；遍历 $nodes 时，统一用 $node->textContent 获取纯文本——【绝不能用 $node->nodeValue】，后者会把内部 <script><style> 的内容也拼进来。
将调研报告、方案对比、数据分析、需求梳理、会议纪要、设计说明、代码评审、学习笔记等任务产物输出为可在浏览器直接打开的单文件 HTML，替代 Markdown 作为最终交付物。Markdown 在信息密度、视觉清晰度和可分享性上已跟不上 AI 产物的丰富度，HTML 能同时承载排版、表格、SVG 等。
方法二：按层级优先级提取首个非空标题
写 XPath 表达式 //h1[.!=''] | //h2[.!=''] | //h3[.!='']，用 $xpath->query() 执行后取 $nodes->item(0)；这样能跳过空标题或占位符，直接拿到第一个有效标题。
处理 UTF-8 编码与特殊字符
如果原始 HTML 含中文或 emoji，但解析后出现乱码，说明 DOMDocument 默认按 ISO-8859-1 解析。必须在 loadHTML 前手动注入 XML 声明：$html = '' . $html；再传入 loadHTML()，否则 textContent 会丢字节。
这一步不可省略。哪怕 meta charset="utf-8" 已存在，DOMDocument 仍可能忽略它。
集成到 Laravel 8 服务中
在 app/Services/HtmlTitleExtractor.php 中定义 extractFromUrl(string $url): ?string 方法：
先用 GuzzleHttp\Client 获取 HTML 内容；接着按前述三步加载 DOM；然后用方法二 XPath 查询首个有效标题；最后 trim() 去首尾空白并返回字符串。
若 $nodes->length === 0，直接 return null；不要 fallback 到正则——那等于退回脆弱方案。
