(PHP 5, PHP 7, PHP 8)
DOMDocument::loadHTMLFile — Load HTML from a file
The function parses the HTML document in the file named
filename. Unlike loading XML, HTML does not have
to be well-formed to load.
Ця функція аналізує вхідні дані за допомогою парсера HTML 4. Правила аналізу HTML 5, які використовують більш сучасні браузери — інакші. Залежно від вхідних даних, DOM-структура може бути зміненою у результаті. Отже, ця функція не придатна для безпечного очищення HTML-коду.
Повідінка функції під час парсину HTML може залежати від версії
libxml, що використовується та частково від граничних
випадків і обробки помилок. Для парсингу згідно стандарту HTML 5
використовується метод
Dom\HTMLDocument::createFromString() або
Dom\HTMLDocument::createFromFile(), починаючи з PHP
8.4.
До прикладу, деякі елементи HTML неявно закривають батьківський елемент одразу після себе. Правила автоматичного закривання батьківських елементів в HTML 4 та HTML 5 відрізняються, і тому клас DOMDocument може бачити DOM-структури, що відрізняються від тих, що бачить браузер, дозволяючи зловмиснику поламати вихідний HTML-код.
If an empty string is passed as the filename
or an empty file is named, a warning will be generated. This warning
is not generated by libxml and cannot be handled using libxml's error handling
functions.
Хоча неправильний HTML має успішно
завантажитися, ця функція може генерувати E_WARNING,
виявивши неправильну розмітку. Функції обробки помилок
libxml можна використовувати для обробки цих помилок.
| Версія | Опис |
|---|---|
| 8.3.0 | This function now has a tentative bool return type. |
| 8.0.0 |
Calling this function statically will
now throw an Error.
Previously, an E_DEPRECATED was raised.
|
Приклад #1 Creating a 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();
}