为什么这两个 DOMDocument 函数的行为不同？

Question

这里推荐了两种获取 DOMDocument 节点的外部 HTML 的方法：How to return outer html of DOMDocument?

我对为什么他们似乎以不同的方式对待 HTML 实体很感兴趣。

示例：

function outerHTML($node) {
    $doc = new DOMDocument();
    $doc->appendChild($doc->importNode($node, true));
    return $doc->saveHTML();
}

$html = '<p>ACME&rsquo;s 27&rdquo; Monitor is $200.</p>';
$dom = new DOMDocument();
@$dom->loadHTML($html);
$el = $dom->getElementsByTagname('p')->item(0);
echo $el->ownerDocument->saveHtml($el) . PHP_EOL;
echo outerHTML($el) . PHP_EOL;

输出：

<p>ACME’s 27” Monitor is $200.</p>
<p>ACME&rsquo;s 27&rdquo; Monitor is $200.</p>

这两种方法都使用saveHTML()，但由于某种原因，该函数在最终输出中保留了html实体，而使用节点上下文直接调用saveHTML()则没有。谁能解释为什么 - 最好有某种权威参考？

Answer 1

这比上面的测试用例更简单：

<?php
$html = '<p>ACME&rsquo;s 27&rdquo; Monitor is $200.</p>';
$dom = new DOMDocument();
@$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

echo $dom->saveHtml($dom->documentElement) . PHP_EOL;
echo $dom->saveHtml() . PHP_EOL;

那么问题就变成了，为什么DomDocument::saveHtml 在保存整个文档而不是仅保存特定节点时表现不同？

查看 PHP 源代码，我们发现 a check 是用于单个节点还是整个文档。对于前者，调用 htmlNodeDumpFormatOutput 函数时将编码显式设置为 null。对于后者，使用htmlDocDumpMemoryFormat 函数，编码不包含在该函数的参数中。

这两个函数都来自 libxml2 库。查看那个源代码，我们可以看到htmlDocDumpMemoryFormat tries to detect the document encoding，如果找不到，则将其显式设置为ASCII/HTML。

这两个函数最终都会调用htmlNodeListDumpOutput，并将已确定的编码传递给它；要么是 null - 导致不编码 - 要么是 ASCII/HTML - 使用 HTML 实体进行编码。

我的猜测是，对于文档片段或单个节点，编码被认为不如完整文档重要。