(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.
filenameLe chemin vers le fichier HTML.
options
Depuis Libxml 2.6.0, vous pouvez aussi utiliser
le paramètre options pour spécifier
des paramètres additionnels à Libxml.
Cette fonction retourne true en cas de succès ou false si une erreur survient.
Si appelé statiquement, retourne un
DOMDocument ou false si une erreur survient.
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.
Antérieur à PHP 8.0.0, cette méthode peut être appelée statiquement,
mais émettra un diagnostic E_DEPRECATED.
À partir de PHP 8.0.0, appeler cette méthode statiquement lancera une exception Error.
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.
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 $doc->saveHTML();
}
If you want to suppress output warnings from loadHTMLFile($url), put an @ sign in front. This even works in:
<?php
$load = @$dom->loadHTMLFile($url);
?>
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.
