盲目地解析XML页面以查找特定的标记

Blindly parse XML page for specific tags

本文关键字：查找 XML 盲目      更新时间：2023-10-16

我在使用TinyXML2 盲目地解析XML页面以查找特定标记时遇到了麻烦。

基本上，我被要求通过c++解析一个HTML页面。我使用(相当老的)tidyHTML库首先将HTML页面"翻译"为XML页面。然后，我想使用TinyXML2解析这些新创建的XML页面，查找特定标记的内容(标题、h1、元关键字等)。 为此，我尝试遍历XML页面中的所有标记，使用以下代码: 
XMLDocument doc;
doc.Parse( cleanedHTML.c_str() );
XMLNode* currentNode;
if(currentNode->NoChildren())
{
    while(!currentNode->NextSibling())
    {
        currentNode=currentNode->Parent();
        if(!currentNode)
            return NULL;
    }
    currentNode=currentNode->NextSibling();
}
else
{
    currentNode=currentNode->FirstChild();
}
doc.Print();
std::string nodeName = currentNode->LastChild()->Value();
return nodeName;

这段代码可能有一些错误——毫无疑问，我显然是个业余爱好者。但结果仍然让我困惑:nodeName返回"USER=root"无论我解析的页面。

我尝试选择这个节点的相关元素，如currentNode->FirstChildElement()或LastChildElement()，甚至兄弟姐妹…但是每次它都会导致分割故障，这是我无法理解的。

我已经读到Xpath将是完成我正在尝试做的事情的好方法，但是我又一次没有时间了，我担心我无法在这么短的时间内把我的思想集中在Xpath上。

我可能正在看所有错误的方式，或者我应该使用Accept() ?
老实说，我在这里感到有点失落，我会很感激你们提供的任何帮助!
我想迅速利用这个机会也感谢这个网站在过去帮助了我这么多。不可思议。

提前感谢您的回复!

既然我已经完成了我的项目，我终于可以回答这个问题了:

我正在寻找的确实是Accept()和Visitors。我必须实例化一个Visitor，添加他的"遭遇"可能产生的任何特殊效果，并将其放入我的doc.Accept();

例如，如果我想在字符串中获得已解析页面的标题，我会这样做:

bool MyVisitor::VisitEnter(const XMLElement& element, const XMLAttribute* attribute) if(strcmp( element.Name(), "title") == 0) { if(element.GetText() != NULL) { titleContent = element.GetText(); } else titleContent = ""; }

…然后返回一个经典的 MyVisitor::getTitle()函数，你可以在任何你需要的地方调用它。
希望它有帮助，如果有人想要更多的细节，我可以提供工作& &;扩展代码。

我已经发现Google发布了gumbo解析器所以…是的。
显然都更好&比使用TinyXML-2解析HTML5更容易:D

您可能想要考虑使用一个解析器，它可以提供更好的示例，您可以将其作为工具的基础…例如，Apache Xerces-C的SAX API示例可以被改编。

(我对TinyXML2和它支持的api一无所知，所以我不能建议你如何在现有的代码中修复这个问题。)

相关文章：