Sách
Rust
Chương 11. HTML và Web
Phân Tích Cú Pháp HTML

Rust:
Phân Tích Cú Pháp HTML

Làm Thế Nào:

Để phân tích cú pháp HTML trong Rust, bạn sẽ muốn sử dụng một crate như scraper hoặc select. Sau đây là một ví dụ nhanh sử dụng scraper:

use scraper::{Html, Selector};

fn main() {
    // HTML dưới dạng chuỗi nhập vào
    let html = r#"
        <html>
            <body>
                <p>Xin chào, thế giới!</p>
            </body>
        </html>
    "#;

    // Phân tích cú pháp chuỗi HTML
    let document = Html::parse_document(html);
    
    // Tạo một bộ chọn để tìm tất cả các thẻ <p>
    let selector = Selector::parse("p").unwrap();

    // Lặp qua các phần tử phù hợp với bộ chọn
    for element in document.select(&selector) {
        // In ra văn bản bên trong mỗi thẻ <p>
        println!("{}", element.text().collect::<Vec<_>>().concat());
    }
}

Kết Quả:

Xin chào, thế giới!

Sâu Hơn

Trước kia, việc phân tích cú pháp HTML là một việc rối rắm. Thư viện thay đổi, tiêu chuẩn không ổn định, và ngôn ngữ có cách tiếp cận khác nhau. Ngày nay, hệ sinh thái của Rust cung cấp các crates vững chắc cho việc phân tích cú pháp, như scraper được hỗ trợ bởi các thư viện html5ever và selectors. html5ever đặc biệt thú vị; nó dựa trên thuật toán phân tích cú pháp HTML được quy định bởi WHATWG, khiến nó ngang hàng với cách các trình duyệt hiện đại phân tích HTML.

Các phương án thay thế cho scraper bao gồm select, mang lại chức năng tương tự nhưng có tính ergonomic khác. Phân tích cú pháp cấp thấp là khả thi với chính html5ever nếu bạn cần nhiều kiểm soát hơn.

Thường xuyên, phân tích cú pháp HTML là một phần của việc web scraping, nơi bạn trích xuất dữ liệu từ các website. Quan trọng (và có đạo đức) khi tôn trọng robots.txt và điều khoản dịch vụ của trang web khi scraping.

Về mặt triển khai, luôn nhớ rằng phân tích cú pháp chỉ là điểm khởi đầu. Sự sàng lọc và xác thực là chìa khóa để tránh các vấn đề an ninh như tấn công XSS (Cross-Site Scripting), đặc biệt nếu bạn dự định hiển thị hoặc lưu trữ dữ liệu phân tích.

Xem Thêm

Tải trang webGửi một yêu cầu HTTP