您的位置：首页 > Web前端 > HTML

使用htmlcxx-0.85解析html(本地字段)

2013-10-30 10:44 239 查看
在windows上面需要用到解析html的库，刚好找到了这个，虽然网上很多人都说不错，但是从10年起就不再更新了。

不过还好，我的目标也很明确，能替代我之前的采取正则表达式的方式匹配html就行了。

下来下载到，使用git下载：

git clone git://git.code.sf.net/p/htmlcxx/code htmlcxx-code

ok，拿到了源代码。用vs打开htmlcxx.vcproj(解压出来的目录中一共有两个一个是htmlcxx.vcproj，另外一个是htmlcxxapp.vcproj，另外一个是一个测试项目，不过这里不分析他，而根据我自己的用途，写另外一个更有针对性的demo)。

执行编译出来之后

出现：



双击找到错误的地方，把

const char *signature = "";


修改成：

const char *signature = "\xEF\xBB\xBF";


看到编译成功



在上一级目录中找到输出的lib，和目录中的html文件夹一起考到我们新建的工程AnalysisHtml中



设置代码生成为：



main的代码如下：

// AnalysisHtml.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include <string.h>
#include <iostream>
#include "html/ParserDom.h"
#include "html/utils.h"

using namespace std;
using namespace htmlcxx;

void UseHtmlCxxAnalysisHtmlStringTestCase()
{

	//解析一段Html代码
	string html ="<html><body>测试文字</body></html>";
	//	string html ="<html><body>测试文字</html>";
	//	string html ="<html><body>测试文字</body</html>";
	//	string html ="<html>测试文字</body></html>";

	HTML::ParserDom parser;

	tree<HTML::Node> dom = parser.parseTree(html);

	//输出整棵DOM树

	cout<< dom << endl;

	//输出树中所有的超链接节点

	tree<HTML::Node>::iterator it = dom.begin();

	tree<HTML::Node>::iterator end = dom.end();

	for(; it != end; ++it)
	{
		// _stricmp()函数，在linux下用strcasecmp()函数替换
		if (_stricmp(it->tagName().c_str(), "A") == 0)
		{
			it->parseAttributes();
			cout <<it->attribute("href").second << endl;
		}
	}

	//输出所有的文本节点
	it  = dom.begin();
	end = dom.end();
	for(; it != end; ++it)
	{
		if ((!it->isTag()) && (!it->isComment()))
		{
			cout << it->text();
		}
	}

	cout << endl;

}

int _tmain(int argc, _TCHAR* argv[])
{
	UseHtmlCxxAnalysisHtmlStringTestCase();

	return 0;
}


执行这段程序之后，效果如下：



可以看到两个各个标签被解析出来了，还分了层次；

测试时，使用了还有另外三个html作为测试，都是不完整的html标签，还是能得到一个不错的效果

最后说一下，为什么不用libxm2用htmlcxx

我也试用了一下libxm2(当然网上说libxm2也很好很好云云)，不过用起来，还要和zlib、iconv的版本一致才行，否则会出现各种问题，因此就放弃不用了。
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
标签： 
相关文章推荐
新的分享
章节导航