Question

我无法使用TinyXML2 盲目地解析特定标记的XML页面。

基本上，我被要求通过C ++解析一个HTML页面。我使用（相当古老的）tidyHTML库来首先＆＃34;翻译＆＃34;我的HTML页面是XML页面。然后，我想使用TinyXML2来解析这些新创建的特定标签的XML页面。内容（标题，h1，元关键字，...）。

为此，我尝试使用以下代码遍历XML页面中的所有标记：

XMLDocument doc; doc.Parse( cleanedHTML.c_str() ); XMLNode* currentNode; if(currentNode->NoChildren()) { while(!currentNode->NextSibling()) { currentNode=currentNode->Parent(); if(!currentNode) return NULL; } currentNode=currentNode->NextSibling(); } else { currentNode=currentNode->FirstChild(); } doc.Print(); std::string nodeName = currentNode->LastChild()->Value(); return nodeName;

这段代码可能有些问题 - 毫无疑问，我显然是业余爱好者。但结果仍然让我感到困惑：nodeName正在返回＆＃34; USER = root ＆＃34;无论我正在解析哪个页面。

我尝试选择此节点的相关元素，例如currentNode-＆gt; FirstChildElement（）或 LastChildElement（），甚至兄弟姐妹......但每次都是它会导致分段错误，这是我无法理解的。

我已经读过 Xpath 是一个很好的方式来做我想做的事情，但是又一次，我已经没时间了，我担心在这么短的时间内，我无法绕过Xpath。

我可能正在查看错误的方法，或者我应该使用 Accept() ？老实说，我觉得有点迷失在这里，并感谢你们提供的任何帮助！ 我想很快抓住这个机会，也感谢过去曾帮助过我这个网站的网站。真是太神奇了。

感谢你的回复！

Answer 1

既然我已经完成了我的项目，我终于可以回答这个问题：

我一直在寻找的是接受（）和访客。我必须实例化访问者，添加他所遇到的任何特定效果＆＃34;会产生，并把它扔进我的 doc.Accept（）;

例如，如果我想在字符串中输入已解析的页面标题，我会这样做：

bool MyVisitor::VisitEnter(const XMLElement& element, const XMLAttribute* attribute) if(strcmp( element.Name(), "title") == 0) { if(element.GetText() != NULL) { titleContent = element.GetText(); } else titleContent = ""; }

...然后使用经典 MyVisitor :: getTitle（）函数返回它，您可以在任何需要它的地方调用它。
希望它有所帮助，如果有人想要更多细节我可以提供工作和扩展代码。

我发现Google发布了 gumbo parser 所以...是的。是的。
它显然更好＆amp;现在比使用TinyXML-2解析HTML5更容易：D

Answer 2

您可能需要考虑使用一个解析器，为其提供更好的示例，您可以在此基础上使用工具...例如，可以调整Apache Xerces-C的SAX API示例。

（我对TinyXML2及其支持的API一无所知，因此我无法建议如何解决现有代码中的问题。）

盲目解析特定标签的XML页面

2 个答案: