类似J汤的C++html解析器

Jsoup like html parser for C++

本文关键字：C++html 汤的 类似      更新时间：2023-10-16

我一直在用Java编写一些代码来从一些页面获取一些数据，Jsoup是最好的库之一。但是，不幸的是，我不得不将整个代码移植到C/C++。但是我找不到任何像样的html解析器在c++上使用。C++是否有类似J汤的库？或者如何才能获得类似的结果？

[目前我正在使用Curl获取页面的来源，并在互联网上漫游以找到html解析器]

不幸的是，我想没有像Jsoup这样的C++解析器。。。

除了这里已经提到的库之外，这里还有一个关于C++（一些C）解析器的很好的概述：免费的C或C++XML解析器库

对于解析，我使用TinyXML-2进行（Html-）DOM解析；它是一个非常小（只有2个文件）的库，可以在大多数操作系统（甚至非桌面）上运行。

LibXml

  • 推拉解析器（DOM、SAX）
  • 验证
  • XPath和XPointer支持
  • 跨平台/良好的文档

Apache Xexces

  • 推拉解析器（DOM、SAX）
  • 验证
  • 没有XPath支持（但有一个包？）
  • 跨平台/良好的文档

如果您使用C++CLI，请查看NSoup-用于.NET.的J汤端口

更多：

  • 用于C的htmlcxx-html和css API++
  • MSHTML（？）
  • pugixml（DOM/XPath和Unicode支持）
  • LibCSS（CSS Parser）/LibDOM（DOM）（不过，两者都在C中）
  • hcxselect（C++的CSS选择器引擎）

也许您可以将DOM模型/解析器和CSS选择器组合在一起？

如果您熟悉Qt Framework，最方便的方法是使用QWebElement（请参阅此处）。

否则，（正如另一篇文章所建议的）使用Tidy将HTML转换为有效的XML，然后使用诸如libxml++之类的XML解析器是一个不错的选择。您可以在这里找到显示这两个步骤的示例代码。

Chromium有一个开源解析器。此外，谷歌口香糖解析器看起来很酷。

是的，有一个用于c++的html解析器库，请查看https://github.com/HamedMasafi/HtmlParser/

这个库可以解析html或css，并将其转换为树模型。您可以通过以下方法在解析后的html中进行搜索：get_by_id、get_by_class_name、get_by_tag_name，还有一个问题方法可以通过css选择器进行搜索（目前仅支持标记、id、类、嵌套子类选择器）。

在找到一个孩子之后，您可以更改它的属性，最后您可以以紧凑和漂亮的模式将html打印成std:：string。

您可以使用xerces2作为DOM解析器。

或者使用HTMLTidy清理HTML并将其转换为XHTML，然后使用pugixml或类似的XML解析器解析XML。由于pugixml是一个非验证解析器，它还可以在原始HTML上工作，而不需要首先在上面运行HTMLTidy。

如果你不介意从C++调用python，你可以使用Beautiful Soup。至少这个名字是对的！

说真的，这是一个不错的，没有废话的HTML解析器。我还没有尝试从C++中调用它，尽管它应该是直接的。

相关文章：