(PHP 5, PHP 7, PHP 8)
DOMDocument::loadHTMLFile — Загрузка HTML из файла
Функция разбирает HTML-документ из файла filename.
В отличие от загрузки XML, HTML не обязан быть правильно построен для загрузки.
Для разбора и обработки современной HTML-разметки рекомендуют вместо класса DOMDocument пользоваться классом Dom\HTMLDocument.
Функция разбирает входные данные по стандарту HTML 4. Правила синтаксического анализа по стандарту HTML 5, с которым работают современные браузеры, содержат отличия. Итоговая структура DOM зависит от входных данных. Поэтому функцию нельзя использовать для безопасной очистки HTML-разметки.
Поведение при разборе HTML-разметки зависит от версии библиотеки
libxml, это проявляется острее
при наступлении граничных условий и при обработке ошибок.
Разметку, которая соответствует спецификации HTML5, разбирают
методом Dom\HTMLDocument::createFromString()
или Dom\HTMLDocument::createFromFile(), которые добавили в PHP 8.4.
Например, отдельные HTML-элементы при встрече неявно закрывают родительский элемент. Правила автоматического закрытия родительских элементов в спецификациях HTML 4 и HTML 5 неодинаковые. Поэтому итоговая структура DOM, которую видит класс DOMDocument, отличается от DOM-структуры, которую видит браузер, что создаёт риск взлома итоговой HTML-разметки злоумышленником.
Функция возвращает true, если выполнилась успешно, или false, если возникла ошибка.
Если через аргумент filename передана пустая
строка или файл ничего не содержит, будет сгенерировано предупреждение.
Это предупреждение генерируется не libxml, поэтому оно не может быть
обработано функциями обработки ошибок
libxml.
Несмотря на то что некорректная HTML-разметка обычно успешно загружается, эта функция
иногда генерирует ошибки уровня E_WARNING при обнаружении
плохой разметки. Для обработки таких ошибок пользуются
функциями обработки ошибок модуля libxml.
| Версия | Описание |
|---|---|
| 8.3.0 | Теперь функция имеет предварительный логический (bool) тип возвращаемого значения. |
| 8.0.0 |
При статическом вызове функции теперь будет выбрасываться ошибка Error.
Ранее выдавалась ошибка уровня E_DEPRECATED.
|
Пример #1 Создание документа
<?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();
}