如何从HTML页面获取字符集

Question

我正在尝试在任何HTML元标记中获取charset属性。 （即，< meta http-equiv="Content-Type" content="text/html; charset=ISO-8859-1" >） 有没有办法在Linux下的C ++中做到这一点。我使用HTML整理作为解析器，但我无法获得该属性以返回与us-ascii不同的任何内容（即使编码为utf-8），这是我得到的输出： *。* 4节点：元
名称attr：http-equiv
价值attr：内容类型
姓名attr：内容
值attr：text / html;字符集= US-ASCII

Answer 1

根据Vinko Vrsalovic的要求，以下是获得该结果的代码：
void dumpNode（TidyNode tnod，int indent）
{
TidyNode孩子;

for（child = tidyGetChild（tnod）; child; child = tidyGetNext（child））
{
ctmbstr name;
switch（tidyNodeGetType（child））
{
case TidyNode_Root：name =“Root”;打破;
case TidyNode_DocType：name =“DOCTYPE”;打破;
case TidyNode_Comment：name =“Comment”;打破;
case TidyNode_ProcIns：name =“Processing Instruction”;打破;
case TidyNode_Text：name =“Text”;打破;
case TidyNode_CDATA：name =“CDATA”;打破;
case TidyNode_Section：name =“XML Section”;打破;
case TidyNode_Asp：name =“ASP”;打破;
case TidyNode_Jste：name =“JSTE”;打破;
case TidyNode_Php：name =“PHP”;打破;
case TidyNode_XmlDecl：name =“XML Declaration”;打破;

case TidyNode_Start：
case TidyNode_End：
case TidyNode_StartEnd：
默认：
name = tidyNodeGetName（child）;
TidyAttr att = tidyAttrFirst（孩子）;
而（att）
{
std :: cout＆lt; ＆lt;“Name attr：”＆lt;＆lt; tidyAttrName（att）＆lt;＆lt;的std :: ENDL;
的std :: COUT＆LT; ＆lt;“Value attr：”＆lt;＆lt; tidyAttrValue（att）＆lt;＆lt;的std :: ENDL;
att = tidyAttrNext（att）;
}
打破;
}
assert（name！= NULL）;
printf（“％d *。*％d％sNode：％s \ n”，缩进，缩进，“”，名称）;
dumpNode（child，indent + 4）;
}
}
void dumpHtml（TidyDoc tdoc）
{
dumpNode（tidyGetHtml（tdoc），0）;
}

int main（int argc，char ** argv）{
std :: string toReturn（“”）;
TidyBuffer输出;
TidyBuffer errbuf;
int rc = -1;
Bool ok;

tidyBufInit（＆amp; output）;
tidyBufInit（安培; errbuf）;

TidyDoc tdoc = tidyCreate（）;
ok = tidyOptSetBool（tdoc，TidyXhtmlOut，yes）; //转换为XHTML
if（ok）
rc = tidySetErrorBuffer（tdoc，＆amp; errbuf）; //捕获诊断信息 if（rc> = 0）
rc = tidyParseFile（tdoc，“fuebuena.html”）; //解析输入
if（rc> = 0）
rc = tidyCleanAndRepair（tdoc）; //收拾它！
if（rc> = 0）
dumpHtml（tdoc）;

返回0;
}