CakeFest 2024: The Official CakePHP Conference

DOMDocument::loadHTMLFile

(PHP 5, PHP 7, PHP 8)

DOMDocument::loadHTMLFile Загрузка HTML из файла

Описание

public DOMDocument::loadHTMLFile(string $filename, int $options = 0): bool

Функция разбирает HTML-документ из файла filename. В отличие от загрузки XML, HTML не обязан быть правильно построен для загрузки.

Внимание

Эта функция анализирует входные данные, используя синтаксический анализатор HTML 4. В браузеры встроен синтаксический анализатор HTML 5, у которого другие правила анализа. Какая структура DOM будет сформирована — зависит от входных данных. Поэтому эту функцию нельзя использовать для безопасной очистки HTML.

Например, некоторые HTML-элементы будут неявно закрывать родительский элемент. Правила для автоматического закрытия родительских элементов у HTML 4 и HTML 5 разные, поэтому результирующая структура DOM, которую видит объект класса DOMDocument может отличаться от структуры DOM, которую видит веб-браузер, что дает возможность злоумышленнику сломать результирующий HTML.

Список параметров

filename

Путь к HTML-файлу.

options

Побитовое ИЛИ (OR) констант опций libxml.

Возвращаемые значения

Возвращает true в случае успешного выполнения или false, если возникла ошибка.

Ошибки

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 некорректный HTML обычно успешно загружается, эта функция может генерировать ошибки уровня E_WARNING при обнаружении плохой разметки. Для обработки этих ошибок можно использовать функции обработки ошибок libxml.

Список изменений

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.

Примеры

Пример #1 Создание документа

<?php
$doc
= new DOMDocument();
$doc->loadHTMLFile("filename.html");
echo
$doc->saveHTML();
?>

Смотрите также

  • DOMDocument::loadHTML() - Загрузка HTML из строки
  • DOMDocument::saveHTML() - Сохраняет документ из внутреннего представления в строку, используя форматирование HTML
  • DOMDocument::saveHTMLFile() - Сохраняет документ из внутреннего представления в файл, используя форматирование HTML

add a note

User Contributed Notes 6 notes

up
13
onemanbanddan at gmail dot com
10 years ago
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.
up
3
Mark Omohundro, ajamyajax dot com
15 years ago
<?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";
}
}
}
?>
up
-2
qrworld.net
9 years ago
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();
}
up
-4
andy at carobert dot com
18 years ago
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!
up
-17
gzech at SPAMFILTER dot eso dot org
17 years ago
If you want to suppress output warnings from loadHTMLFile($url), put an @ sign in front. This even works in:
<?php
$load
= @$dom->loadHTMLFile($url);
?>
up
-19
bens at effortlessis dot com
18 years ago
Note that this function doesn't parse the individual tags WITHIN the html file - it's all loaded as a "black box", and you end up with an XML widget that comprises nothing but the complete chunk of HTML.

I was hoping it would function as a sort of HTML-validator/parser, but that doesn't seem to be the case.
To Top