c++ - 使用 c/c++ 以编程方式从 html 文件中提取表格

Question

我正在寻找从 html 文件中提取表格的更好的想法。现在我正在使用 tidy ( http://tidy.sourceforge.net/ ) 将 html 文件转换为 xhtml，然后我使用 rapidxml 来解析 xml。解析时我会寻找 <table> , <tr> , 和 <td>节点等创建我的表数据结构。

它工作得很好，但我想知道是否有更好的方法来完成我的任务。此外，整洁的库似乎是一个废弃的项目。

还有大家试过tidy源代码中的“实验性”补丁吗？

谢谢，基督徒

Answer 1

您可以使用 htmlparser ( https://github.com/HamedMasafi/htmlparser )这个lib可以解析、读取和修改html和css

例如，在您阅读表格的情况下

    html_parser html;
    html.set_text(html_text);
    auto table = html.query("#table_id").at(0);
    for (auto tr : table->childs()) {
        for (auto td : tr->childs()) {
            //now here you have a td and you are free to any modify are data read
            //e.g:
            auto td_tag = dynamic_cast<html_tag*>(td);
            td_tag->set_attr("id", "new_id"); // change attr
            auto id = td_tag->attr("id");
            auto test = td_tag->innser_text();
            auto html = td_tag->outter_html();
        }
    }

快速入门示例是 here