DOMDocument::loadHTML()遇非法字符会崩溃，必须前置清洗C0控制字符、启用libxml内部错误捕获、实例化后加载、再清空错误缓冲区，五步缺一不可。
在 Laravel 8 中使用 DOMDocument 解析用户提交或爬取的 HTML 内容时，若源码含非法字符、缺失闭合标签、乱码 BOM 或 malformed 注释，DOMDocument::loadHTML() 默认会触发 PHP 警告并中断脚本执行，导致页面白屏或 JSON 响应失败——这不是预期行为，而是 libxml 底层强制报错机制所致。
启用内部错误捕获模式
调用 libxml_use_internal_errors(true) 将警告和错误转为可读取的内部队列，避免直接抛出 PHP Warning。这一步必须在 new DOMDocument() 实例化之前执行，否则无效。
【必须前置执行】 若放在 $dom->loadHTML($html) 之后，已发生的警告无法被捕获，且后续调用 libxml_get_errors() 返回空数组。
加载 HTML 并清除错误状态
创建 DOMDocument 实例后，立即调用 loadHTML() 方法传入清洗后的 HTML 字符串。
立即学习“前端免费学习笔记（深入）”；
执行完 loadHTML() 后，立刻调用 libxml_clear_errors() 清空内部错误缓冲区。不清理会导致后续所有 XML/HTML 解析操作复用残留错误，干扰日志判断和条件分支逻辑。
这一步操作起来很简单，直接把文件拖进去就行。
手动清洗 C0 控制字符（关键预处理）
DOMDocument 对 \x00–\x08、\x0B、\x0C、\x0E–\x1F 零容忍，遇到即崩溃，libxml_use_internal_errors(true) 完全无效。必须在 loadHTML() 前清洗。
使用正则表达式过滤非法控制字符：preg_replace('/[\x00-\x08\x0B\x0C\x0E-\x1F]/u', '', $html)。注意保留 \x09（Tab）、\x0A（LF）、\x0D（CR），它们是合法空白字符。
【不可跳过】 若跳过此步，哪怕只存在一个 \x00 字节，整个 HTML 字符串会在解析时被截断，$dom->textContent 只返回前半段内容，且无任何提示。
完整安全解析流程
第一步：对原始 HTML 执行控制字符清洗 → 第二步：调用 libxml_use_internal_errors(true) → 第三步：实例化 new DOMDocument() → 第四步：执行 $dom->loadHTML($cleanHtml) → 第五步：调用 libxml_clear_errors()。
完成这五步后，DOMDocument 已处于稳定可操作状态，后续可安全调用 $dom->getElementsByTagName('title') 或 $dom->saveHTML() 等方法。
