用C++解析HTML（最好使用Qt）

我想用C++解析一些HTML以從HTML中提取所有的URL（這些URL可以在href和src屬性中）。用C++解析HTML（最好使用Qt）

我試圖使用Webkit爲我做繁重的工作，但由於某種原因，當我加載一個HTML框架生成的文檔都是錯誤的（如果我讓Webkit從網頁上獲取的頁面生成的文檔就好了但也WebKit的下載所有圖片，樣式，腳本和我不希望出現這種情況）

這裏是我試圖做的：

frame->setHtml(HTML); 
QWebElement document = frame->documentElement(); 
QList<QWebElement> imgs = document.findAll("a"); // Doesn't find all links 
QList<QWebElement> imgs = document.findAll("img"); // Doesn't find all images 
QList<QWebElement> imgs = document.findAll("script");// Doesn't find all scripts 
qDebug() << document.toInnerXml(); // Print a completely messed-up document with several missing elements

我在做什麼錯？有沒有一種簡單的方法來解析HTML與Qt？（或其他一些輕量級庫）

來源

2011-05-22 Raphael

1. 「生成的文檔」？ 2.你說「全部錯」是什麼意思？ 3.預期的行爲是什麼？ 4.什麼是實際行爲？ – 2011-05-22 05:48:29

@Billy ONeal - 當我用HTML加載框架時，框架內的文檔結構缺少幾個元素。（如果我使用page-> load（url））從網頁加載頁面，則不會發生這種情況。 – Raphael 2011-05-22 05:52:10

@ Billy ONeal - 當我打印加載的文檔時，我可以看到它只包含原始HTML的一些元素。如果你把這個代碼放在一個簡單的程序中，編譯它，你會看到我在說什麼。 – Raphael 2011-05-22 05:55:46

您可以隨時使用XPath表達式來簡化解析生活，例如可以看看this。

，或者你可以做這樣的事情

QWebView* view = new QWebView(parent); 
view.load(QUrl("http://www.your_site.com")); 
QWebElementCollection elements = view.page().mainFrame().findAllElements("a");

來源

2011-05-22 08:18:33 snoofkin

這隻適用於HTML是從網絡加載的。如果我手動加載HTML，則會破壞90％網站上存在的格式錯誤的標籤。 – Raphael 2011-05-22 14:06:09

用C++解析HTML（最好使用Qt）

回答

相關問題