在C ++中解析HTML解析？

Question

我正在寻找一种解决方案，用于解析C ++中可能格式错误的HTML，类似于Python中的Beautiful Soup。

通常情况下，只使用XML解析器就可以了，但在这种情况下，特定的HTML不是有效的XML / XHTML，无法正确解析。

存在用于此的库/工具吗？

Answer 1

您可以使用HTMLTidy将HTML转换为有效的XML，然后使用任何可用的C ++ XML解析器

Answer 2

根据文档LibXml2能够解析HTML4。

Answer 3

我使用了Xerces并推荐它用于C ++。它有DOM和SAX模型。