C++:
Analisando HTML
Como fazer:
C++ não vem com capacidades integradas de análise de HTML. Você frequentemente usará uma biblioteca como Gumbo-parser do Google, ou algo semelhante. Aqui está um exemplo rápido usando 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;
}Saída de exemplo:
https://example.comMergulhando Fundo
Analisar HTML nem sempre foi algo direto em C++. Historicamente, os programadores usariam regex ou analisadores escritos manualmente, ambos propensos a erros e pesados. Atualmente, bibliotecas robustas como Gumbo-parser lidam com as complexidades da análise, tornando-a mais fácil e mais confiável.
Alternativas incluem Tidy, MyHTML, ou até mesmo integrar C++ com BeautifulSoup do Python através da função system do C++ ou interpretadores embutidos.
Em termos de implementação, essas bibliotecas convertem HTML para uma árvore de Modelo de Objeto de Documento (DOM). Percorrer e manipular o DOM permite aos usuários extrair e trabalhar com dados conforme demonstrado na seção Como fazer.