C++:
Аналіз HTML
Як це зробити:
C++ не має вбудованих можливостей для аналізу HTML. Зазвичай ви використовуєте бібліотеку, як-от Gumbo-parser від Google, або щось подібне. Ось швидкий приклад використання 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;
}Приклад виводу:
https://example.comПоглиблений аналіз
Аналіз HTML завжди не був простим завданням в C++. Історично програмісти використовували regex або написані вручну парсери, обидва з яких схильні до помилок і громіздкі. На сьогодні, надійні бібліотеки, як-от Gumbo-parser, вирішують складнощі парсингу, роблячи це легшим і надійнішим.
Альтернативи включають Tidy, MyHTML, або навіть інтеграцію C++ з Python’s BeautifulSoup через функцію system C++ або вбудовані інтерпретатори.
З точки зору імплементації, ці бібліотеки конвертують HTML в дерево Document Object Model (DOM). Проходження та маніпуляція з DOM дозволяє користувачам витягувати та працювати з даними, як показано в розділі Як це зробити.