C++:
Analisi del HTML
Come fare:
C++ non viene fornito con capacità di analisi HTML integrate. Spesso si utilizza una libreria come Gumbo-parser di Google o qualcosa di simile. Ecco un rapido esempio utilizzando Gumbo-parser:
#include <iostream>
#include <gumbo.h>
void search_for_links(GumboNode* node) {
if (node->type != GUMBO_NODE_ELEMENT) {
return;
}
if (node->v.element.tag == GUMBO_TAG_A) {
GumboAttribute* href = gumbo_get_attribute(&node->v.element.attributes, "href");
if (href) {
std::cout << href->value << std::endl;
}
}
GumboVector* children = &node->v.element.children;
for (unsigned int i = 0; i < children->length; ++i) {
search_for_links(static_cast<GumboNode*>(children->data[i]));
}
}
int main() {
const char* html = "<html><body><a href='https://example.com'>Link</a></body></html>";
GumboOutput* output = gumbo_parse(html);
search_for_links(output->root);
gumbo_destroy_output(&kGumboDefaultOptions, output);
return 0;
}Esempio di output:
https://example.comApprofondimento
Analizzare HTML non è sempre stato semplice in C++. Storicamente, i programmatori utilizzavano espressioni regolari o parser scritti a mano, entrambi fonti di errori e difficoltosi. Oggi, librerie robuste come Gumbo-parser gestiscono le complessità dell’analisi, rendendola più semplice ed affidabile.
Le alternative includono Tidy, MyHTML, o anche integrare C++ con BeautifulSoup di Python tramite la funzione system di C++ o interpreti integrati.
Dal punto di vista dell’implementazione, queste librerie convertono HTML in un albero Modello Oggetto Documento (DOM). Attraversare e manipolare il DOM consente agli utenti di estrarre e lavorare con i dati come dimostrato nella sezione Come fare.