(PHP 5, PHP 7, PHP 8)
DOMDocument::loadHTMLFile — Charge du HTML à partir d'un fichier
Cette fonction analyse un document HTML contenu dans le fichier
filename. Contrairement au XML, le HTML n'a pas
besoin d'être bien formé pour être chargé.
Cette fonction analyse l'entrée en utilisant un parseur HTML 4. Les règles d'analyse du HTML 5, qui sont celles utilisées par les navigateurs web modernes, sont différentes. Selon l'entrée, cela peut entraîner une structure DOM différente. Par conséquent, cette fonction ne peut pas être utilisée en toute sécurité pour la sanitisation du HTML.
Le comportement lors de l'analyse du HTML peut dépendre de la version de
libxml qui est utilisée, notamment en ce qui concerne
les conditions limites et la gestion des erreurs.
Pour une analyse conforme à la spécification HTML5,
utilisez Dom\HTMLDocument::createFromString() ou
Dom\HTMLDocument::createFromFile(), ajoutés dans PHP 8.4.
Par exemple, certains éléments HTML fermeront implicitement un élément parent lorsqu'ils sont rencontrés. Les règles de fermeture automatique des éléments parents diffèrent entre HTML 4 et HTML 5, et par conséquent, la structure DOM que DOMDocument voit peut être différente de celle qu'un navigateur web voit, ce qui peut éventuellement permettre à un attaquant de compromettre le HTML résultant.
filenameLe chemin vers le fichier HTML.
options
Si une chaîne vide est passée comme paramètre filename
ou que le fichier est vide, une alerte sera générée. Cette alerte n'est pas générée
par libxml, et ne peut être gérée en utilisant les
fonctions de gestion d'erreur de libxml.
Bien que le HTML mal-formé devrait se charger avec succès, cette fonction peut générer
une alerte de type E_WARNING lorsqu'elle rencontre une mauvaise balise.
Les fonctions de gestion des erreurs libxml
peuvent être utilisées pour gérer ces erreurs.
| Version | Description |
|---|---|
| 8.3.0 | Cette fonction a maintenant un type de retour bool provisoire. |
| 8.0.0 |
Appeler cette fonction de manière statique lèvera désormais une Error.
Auparavant, une erreur E_DEPRECATED était générée.
|
Exemple #1 Création d'un document
<?php
$doc = new DOMDocument();
$doc->loadHTMLFile("filename.html");
echo $doc->saveHTML();
?>
The options for surpressing errors and warnings will not work with this as they do for loadXML()
e.g.
<?php
$doc->loadHTMLFile($file, LIBXML_NOWARNING | LIBXML_NOERROR);
?>
will not work.
you must use:
<?php
libxml_use_internal_errors(true);
$doc->loadHTMLFile($file);
?>
and handle the exceptions as neccesarry.<?php
// try this html listing example for all nodes / includes a few getElementsByTagName options:
$file = $DOCUMENT_ROOT. "test.html";
$doc = new DOMDocument();
$doc->loadHTMLFile($file);
// example 1:
$elements = $doc->getElementsByTagName('*');
// example 2:
$elements = $doc->getElementsByTagName('html');
// example 3:
//$elements = $doc->getElementsByTagName('body');
// example 4:
//$elements = $doc->getElementsByTagName('table');
// example 5:
//$elements = $doc->getElementsByTagName('div');
if (!is_null($elements)) {
foreach ($elements as $element) {
echo "<br/>". $element->nodeName. ": ";
$nodes = $element->childNodes;
foreach ($nodes as $node) {
echo $node->nodeValue. "\n";
}
}
}
?>This puts the HTML into a DOM object which can be parsed by individual tags, attributes, etc.. Here is an example of getting all the 'href' attributes and corresponding node values out of the 'a' tag. Very cool....
<?php
$myhtml = <<<EOF
<html>
<head>
<title>My Page</title>
</head>
<body>
<p><a href="/mypage1">Hello World!</a></p>
<p><a href="/mypage2">Another Hello World!</a></p>
</body>
</html>
EOF;
$doc = new DOMDocument();
$doc->loadHTML($myhtml);
$tags = $doc->getElementsByTagName('a');
foreach ($tags as $tag) {
echo $tag->getAttribute('href').' | '.$tag->nodeValue."\n";
}
?>
This should output:
/mypage1 | Hello World!
/mypage2 | Another Hello World!In this post http://softontherocks.blogspot.com/2014/11/descargar-el-contenido-de-una-url_11.html I found a simple way to get the content of a URL with DOMDocument, loadHTMLFile and saveHTML().
function getURLContent($url){
$doc = new DOMDocument;
$doc->preserveWhiteSpace = FALSE;
@$doc->loadHTMLFile($url);
return $doc->saveHTML();
}