(PHP 5, PHP 7, PHP 8)
DOMDocument::loadHTMLFile — Carrega HTML de um arquivo
A função analisa o documento HTML no arquivo com o nome
filename. Ao contrário do carregamento de XML, o HTML não precisa
ser bem formado para ser carregado.
Esta função interpreta a entrada usando um analisador de HTML 4. As regras de análise de HTML 5, que são as que os navegadores modernos usam, são diferentes. Dependendo da entrada isso pode resultar em uma estrutura DOM diferente. Portanto, esta função não pode ser usada para sanitizar HTML de forma segura.
O comportamento ao interpretar HTML pode depender da versão da
libxml que está sendo usada, particularmente em relação a
condições de contorno e manipulação de erros.
Para interpretação que se conforma à especificação HTML5,
use Dom\HTMLDocument::createFromString() ou
Dom\HTMLDocument::createFromFile(), adicionado no PHP 8.4.
Como um exemplo, alguns elementos HTML irão fechar implicitamente um elemento pai quando encontrados. As regras para fechamento automático de elementos pai diferem entre HTML 4 e HTML 5 e por isso a estrutura DOM resultante que DOMDocument enxerga pode ser diferente da estrutura DOM que um navegador enxerga, possivelmente permitindo a um intruso quebrar o HTML resultante.
filenameO caminho para o arquivo HTML.
options
Se uma string vazia for passada como o filename
ou um arquivo vazio for nomeado, um aviso será gerado. Este aviso
não é gerado pelo libxml e não pode ser tratado usando
as funções de manipulação de erros do libxml.
Embora o HTML malformado deva ser carregado com sucesso, esta função pode gerar erros E_WARNING quando encontrar marcação incorreta. As funções de tratamento de erros da biblioteca libxml podem ser usadas para lidar com esses erros.
| Versão | Descrição |
|---|---|
| 8.3.0 | Esta função agora tem um tipo de retorno bool tentativo. |
| 8.0.0 |
Chamando esta função estaticamente agora irá
gerar um Error.
Anteriormente, era gerado um E_DEPRECATED.
|
Exemplo #1 Criando um Documento
<?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();
}