Böcker
C++
Kapitel 11. HTML och webben
Tolka HTML

C++:
Tolka HTML

Hur man gör:

C++ kommer inte med inbyggda funktioner för att tolka HTML. Du kommer ofta att använda ett bibliotek som Gumbo-parser från Google, eller något liknande. Här är ett snabbt exempel som använder Gumbo-parser:

#include <iostream>
#include <gumbo.h>

void search_for_links(GumboNode* nod) {
    if (nod->type != GUMBO_NODE_ELEMENT) {
        return;
    }
    if (nod->v.element.tag == GUMBO_TAG_A) {
        GumboAttribute* href = gumbo_get_attribute(&nod->v.element.attributes, "href");
        if (href) {
            std::cout << href->value << std::endl;
        }
    }
    GumboVector* barn = &nod->v.element.children;
    for (unsigned int i = 0; i < barn->length; ++i) {
        search_for_links(static_cast<GumboNode*>(barn->data[i]));
    }
}

int main() {
    const char* html = "<html><body><a href='https://example.com'>Länk</a></body></html>";
    GumboOutput* output = gumbo_parse(html);
    search_for_links(output->root);
    gumbo_destroy_output(&kGumboDefaultOptions, output);
    return 0;
}

Exempel på utdata:

https://example.com

Djupdykning

Att tolka HTML har inte alltid varit okomplicerat i C++. Historiskt sett skulle programmerare använda regex eller handskrivna tolkare, båda är felbenägna och besvärliga. Nuförtiden hanterar robusta bibliotek som Gumbo-parser de intrikata detaljerna i tolkningen, vilket gör det enklare och mer pålitligt.

Alternativen inkluderar Tidy, MyHTML eller till och med integrering av C++ med Pythons BeautifulSoup via C++ system-funktionen eller inbäddade tolkar.

När det gäller implementering, konverterar dessa bibliotek HTML till ett Document Object Model (DOM)-träd. Genom att traversera och manipulera DOM kan användare extrahera och arbeta med data som demonstreras i Hur man gör-sektionen.

Se även

Hämta en webbsidaSkicka en http-förfrågan