DOMDocument::loadHTMLFile

(PHP 5, PHP 7, PHP 8)

DOMDocument::loadHTMLFile — Carrega HTML de um arquivo

Descrição

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

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.

Aviso

Esta função analisa a entrada usando um analisador HTML 4. As regras de análise do HTML 5, que é o que os navegadores web modernos usam, são diferentes. Dependendo da entrada, isso pode resultar em uma estrutura DOM diferente. Portanto, esta função não pode ser usada com segurança para sanitizar HTML.

Como exemplo, alguns elementos HTML fecharão implicitamente um elemento pai quando encontrados. As regras para fechar automaticamente os elementos pais diferem entre HTML 4 e HTML 5 e, portanto, a estrutura DOM resultante que DOMDocument vê pode ser diferente da estrutura DOM que um navegador web vê, possibilitando que um invasor quebre o HTML resultante.

Parâmetros

filename: O caminho para o arquivo HTML.
options: Bit a bit OR das constantes de opções da libxml.

Valor Retornado

Retorna true em caso de sucesso ou false em caso de falha.

Erros/Exceções

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.

Registro de Alterações

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`.

Exemplos

Exemplo #1 Criando um Documento

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

Veja Também

DOMDocument::loadHTML() - Carrega HTML a partir de uma string
DOMDocument::saveHTML() - Despeja o documento interno em uma string usando formatação HTML
DOMDocument::saveHTMLFile() - Despeja o documento interno em um arquivo usando formatação HTML

add a note

User Contributed Notes 6 notes

down

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.

down

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";
    }
  }
}
?>

down

-3

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();
}

down

-4

andy at carobert dot com ¶

19 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!

down

-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);
?>

down

-19

bens at effortlessis dot com ¶

19 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.

add a note