C++:
解析HTML
如何操作：
C++ 并不自带 HTML 解析功能。你通常会使用像 Google 的 Gumbo-parser 或类似的库。这里是使用 Gumbo-parser 的一个快速示例：
#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;
}示例输出：
https://example.com深入探讨
在 C++ 中解析 HTML 并不总是直截了当的。从历史上看，程序员会使用正则表达式或手写解析器，这两种方式都容易出错且麻烦。如今，像 Gumbo-parser 这样的强大库处理解析的复杂性，让操作变得更简单也更可靠。
替代方案包括 Tidy、MyHTML，或者甚至通过 C++ 的 system 函数或嵌入式解释器与 Python 的 BeautifulSoup 集成。
在实现上，这些库将 HTML 转换为文档对象模型（DOM）树。遍历和操作 DOM 允许用户提取和处理数据，如“如何操作”部分所示。