PHP 的 DOMDocument::loadHTML() 能读入带有 article、section、main 的字符串，但它并不是浏览器同款的 HTML5 解析器。官方手册明确说明，这个入口使用 HTML4 parser；因此同一份输入在浏览器和 DOMDocument 中可能得到不同的 DOM 结构。

处理 HTML5 标签兼容，关键不是把每个标签替换成 div，而是先按 PHP 版本选择解析入口：PHP 8.4 及以上优先使用 Dom\\HTMLDocument::createFromString()；必须兼容旧版本时，再把 DOMDocument 当作“可提取节点的兼容解析器”，不要依赖 HTML5 的隐式嵌套规则。

官方地址：https://www.php.net/manual/en/domdocument.loadhtml.php

HTML5 解析入口：https://www.php.net/manual/en/class.dom-htmldocument.php

先把解析器选对

如果文章、导航、主内容等元素的嵌套关系会影响业务结果，解析器选择就是兼容性的第一道边界。PHP 8.4 新增的 Dom\\HTMLDocument 提供 createFromString() 和 createFromFile()，目标是按 HTML5 规范解析现代 HTML。旧的 DOMDocument::loadHTML() 仍然适合处理结构简单、只需要抓取少量节点的输入，但不能把它的树形结果等同于浏览器。

标题
';

if (PHP_VERSION_ID >= 80400 && class_exists('Dom\\HTMLDocument')) {
    // PHP 8.4+ 使用 HTML5 解析器，适合依赖节点结构的业务。
    $document = Dom\\HTMLDocument::createFromString($html);
} else {
    // 旧版本只能使用 HTML4 解析器，后续不要假设浏览器式隐式嵌套。
    $document = new DOMDocument('1.0', 'UTF-8');
    $previous = libxml_use_internal_errors(true);
    $document->loadHTML($html, LIBXML_NOERROR | LIBXML_NOWARNING);
    libxml_clear_errors();
    libxml_use_internal_errors($previous);
}
?>

这段分流只解决“入口选谁”，并不保证旧版本自动获得 HTML5 解析语义。若后续代码依赖浏览器会自动补出的节点、元素的特殊内容模型或复杂嵌套关系，应把最低 PHP 版本提高到 8.4，或者引入明确支持 HTML5 的解析方案。

旧版本保留 DOMDocument 时怎么做

项目无法升级时，可以把兼容范围收窄为“读取已知标签并提取内容”。HTML5 标签通常仍能作为元素节点被读取，但它们在旧解析器中可能只是普通元素，且输入不规范时的父子关系不能按浏览器结果推断。

编码要在输入阶段处理好，尤其是中文 HTML。可以在字符串开头明确 UTF-8 编码提示，并用局部的内部错误模式接住解析告警；不要把 libxml_use_internal_errors(true) 当成永久全局设置。

兼容文章
';
$document = new DOMDocument('1.0', 'UTF-8');

// 在本次解析期间接管告警，离开后恢复调用方原来的设置。
$previous = libxml_use_internal_errors(true);
$document->loadHTML(
    '' . $html,
    LIBXML_NOERROR | LIBXML_NOWARNING
);
$errors = libxml_get_errors();
libxml_clear_errors();
libxml_use_internal_errors($previous);

// 按明确的标签名读取，业务不要假设 article 一定被浏览器式地重新嵌套。
$articles = $document->getElementsByTagName('article');
foreach ($articles as $article) {
    echo $article->getAttribute('data-id');
}
?>

这里的重点是边界管理：article 能否被找到，与它最终落在什么父节点下，是两个不同问题。前者可以通过明确的标签查询完成；后者如果影响业务，就不能只靠旧版 DOMDocument 的容错结果。

把兼容策略落到工作流里

实际接入时，可以按下面的顺序固定团队决策：

1. 先问结构是否重要：只抓取标题、链接、属性时，旧路径往往够用；需要准确还原 HTML5 内容模型时，优先升级到 Dom\\HTMLDocument。
2. 再固定编码：统一输入为 UTF-8，避免把编码问题误判成 HTML5 标签不兼容。
3. 再收窄查询：使用明确的标签名、属性或 XPath，避免根据浏览器自动修复后的层级写脆弱选择器。
4. 最后记录解析告警：可以在边界处暂时抑制噪声，但要把原始输入和错误信息交给日志或上层处理。

常见误区与排查边界

把 HTML5 标签不认识当成标签完全丢失：旧解析器可能保留元素节点，但结构语义和嵌套规则不等价。先分别检查节点是否存在、父子关系是否符合业务预期。

只加一个 DOCTYPE 就期待 HTML5 解析：文档类型声明不能把 loadHTML() 变成 HTML5 parser。真正需要 HTML5 规范解析时，使用 PHP 8.4 的 Dom\\HTMLDocument 入口。

全局吞掉 libxml 错误：内部错误模式适合包住一次解析调用，解析后应清理错误并恢复旧设置，否则同一 PHP 进程里的其他代码可能失去告警。

相关问题

DOMDocument 能解析 article 和 section 吗？

通常可以把它们读取为元素节点，但这不等于获得 HTML5 规范下的完整树结构。是否可用要看业务是否只需要节点，还是依赖精确嵌套。

PHP 8.4 应该直接废弃 DOMDocument 吗？

不必。旧接口仍可用于兼容场景；新代码若处理现代 HTML 并依赖 HTML5 解析规则，优先选用 Dom\\HTMLDocument，并把版本要求写进项目文档。

为什么浏览器显示正常，DOMDocument 查询结果却不同？

最常见原因是浏览器采用 HTML5 解析规则，而 loadHTML() 采用 HTML4 parser。先比较解析入口，再检查编码和输入是否有省略的结束标签。