hparser

hparser is a light-weight, simple and fast xhtml parser library for c++11 with DOM-like interface, which supports utf-8 encoding(without BOM).

hparser 仅提供访问接口，不提供修改接口。

hparser 可基于正则表达式进行访问和查询。由于std::regex目前对unicode的支持有限，因此如果你使用ascii码以外的正则匹配可能无法得到正确答案。对此hparser提供 utf8_to_utf32接口(std::string -> std::u32string)和utf32_to_utf8(std::u32string -> std::string)接口。如果有支持u32string(即char32_t存储类型)的正则表达式库，可以结合hparser.find接口以及utf8_to_utf32接口执行正则匹配。

hparser解析过程单遍遍历文本，且未使用递归调用，因此未限制DOM文档树最大深度，最大限制取决于内存等其他系统资源。

license

MIT License.

test

基于Catch2进行单元测试。

build

hparser 使用cmake工具进行构建

mkdir build && cd build
cmake ..
make

在(project_dir)/build/lib 中会生成静态库libhparser.a。在(project_dir)/build/bin中会生成可执行程序 hparser_test 和 examples。分别为单元测试 程序和example程序。examples中通过解析文件(project_dir)/examples/1.html，输出所有拥有属性"href"的元素。输出格式为tag : "url" \n。 hparser解析的属性值均没有去除"号。

doc

https://segmentfault.com/a/1190000021749001

example

#include "../include/hparser.h"
#include <fstream>
#include <string>
#include <iostream>
#include <cassert>

int main() {
  std::ifstream in("../../examples/1.html", std::ios::binary);
  assert(in.good() == true);
  std::string content;
  while(true) {
    char tmp;
    in.read(&tmp, sizeof(tmp));
    if(in.eof() == true) {
      break;
    }
    assert(in.good() == true);
    content.push_back(tmp);
  }
  in.close();
  //定义并初始化类hparser，构造函数中进行解析。
  hparser h(content);
  //result的类型是std::vector<hparser::element_type>。find_attr接口根据是否具有属性"href"筛选element并返回。
  auto result = h.find_attr("href");
  for(auto it = result.begin(); it != result.end(); ++it) {
    std::cout << (*it)->tag() << " : " << (*it)->operator[]("href") << std::endl;
  }
  return 0;
}