html - 高效的Delphi方法解析HTML代码获取数据

Question

有时我需要像这样解析数据:

<tr>
  <td data-th="Name">
    John Smith
  </td>
  <td data-th="Phone">
    1234567
  </td>
  <td data-th="Postal">
    16803
  </td>
  <td data-th="Office Number">
    12345678
  </td>
  <td data-th="Remarks">
    Hello
  </td>
</tr>
<tr>
  <td data-th="Name">
    Mary Smith
  </td>
  <td data-th="Phone">
    1234589
  </td>
  <td data-th="Postal">
    16801
  </td>
  <td data-th="Office Number">
    2385234
  </td>
  <td data-th="Remarks">
    Hi There
  </td>
</tr>

我会做一些事情，比如将它加载到 TStringList:

for i := 0 to oStringList.Count-1 do
begin
  if oStringList[i].Trim = '<tr>' then
  begin
    // start of record
  end else if oStringList[i].Trim = '</tr>' then
  begin 
    // end of record
  end else
  begin
    // part of record data
  end;
end;

有没有更好的方法来做到这一点，要么通过一些非常高效的代码，要么已经有一些非常好的 Delphi 组件(最好是免费/开源的)可以完成这个？我在 stackoverflow 中看到一个线程(3 多年前)提到了一个组件，只是想知道是否有更好的东西出现。

谢谢。

更新:尝试使用 htmlp 组件 --> 我如何配置代码来解析以上数据...粗略示例没有帮助。我想遍历每个 TR/TR 并得到

  var HtmlParser: THtmlParser;
  var  HtmlDoc: TDocument;
  var  x: Integer;
  var  body, el: TElement;
  var  node: TNode;
  begin
    HtmlParser := THtmlParser.Create;
    try
      HtmlDoc := HtmlParser.parseString(memo1.Text);
      try
        body := GetDocBody(HtmlDoc);
        if Assigned(body) then
        for x := 0 to body.childNodes.length - 1 do
        begin
          node := body.childNodes.item(x);
          if (node is TElement) then
          begin
            el := node as TElement;
            if (el.tagName = 'td') then //and (el.GetAttribute('data-th') = 'Name') then
            begin
              // iterate el.childNodes here...
              //ShowMessage(IntToStr(el.childNodes.length));
              memo1.Lines.Add(IntToStr(el.childNodes.length));
            end else
            begin

            end;
          end else
          begin
            memo1.Lines.Add('node is not element');
          end;
        end;
      finally
        HtmlDoc.Free;
      end;
    finally
      HtmlParser.Free
    end;
  end;

Answer 1

当它是像这样格式良好的 HTML 时，开始条目也有结束条目 (<TR>...</TR>)，那么它基本上就是 XML。因此，您可以使用 XML 阅读器来解析文档。

像这样使用 kbmMW 的 XML 解析器:

const
  HTML =
'  <tr>'+
'  <td data-th="Name">'+
'    John Smith'+
'  </td>'+
'  <td data-th="Phone">'+
'    1234567'+
'  </td>'+
'  <td data-th="Postal">'+
'    16803'+
'  </td>'+
'  <td data-th="Office Number">'+
'    12345678'+
'  </td>'+
'  <td data-th="Remarks">'+
'    Hello'+
'  </td>'+
'</tr>'+
'<tr>'+
'  <td data-th="Name">'+
'    Mary Smith'+
'  </td>'+
'  <td data-th="Phone">'+
'    1234589'+
'  </td>'+
'  <td data-th="Postal">'+
'    16801'+
'  </td>'+
'  <td data-th="Office Number">'+
'    2385234'+
'  </td>'+
'  <td data-th="Remarks">'+
'    Hi There'+
'  </td>'+
'</tr>';
    
procedure TForm1.Button1Click(Sender: TObject);
var
   xml:TkbmMWDOMXML;
   i,j:integer;
   nTR,nTD:TkbmMWDOMXMLNodeList;
   n1,n2:TkbmMWDOMXMLNode;
begin
     Memo1.Clear;
     xml:=TkbmMWDOMXML.Create(HTML);
     try
        nTR:=xml.Root.ChildrenByName['tr'];
        try
           for i:=0 to nTR.Count-1 do
           begin
                n1:=nTR.Nodes[i];
                nTD:=n1.ChildrenByName['td'];
                try
                   for j:=0 to nTD.Count-1 do
                   begin
                        n2:=nTD.Nodes[j];
                        Memo1.Lines.Add(n2.AttribByName['data-th']+'='+n2.Data);
                   end;
                finally
                   nTD.Free;
                end;
           end;
        finally
           nTR.Free;
        end;
     finally
        xml.Free;
     end;
end;

结果:

Name=John Smith
Phone=1234567
Postal=16803
Office Number=12345678
Remarks=Hello
Name=Mary Smith
Phone=1234589
Postal=16801
Office Number=2385234
Remarks=Hi There

免费社区版中包含 kbmMW XML 解析器以及更多其他内容，注册后可从 https://portal.components4developers.com 下载。