Question

有人可以推荐用于HTML解析的C或Objective-C库吗？它需要处理不完全验证的混乱HTML代码。

这样的库是否存在，或者我最好只是尝试使用正则表达式？

Answer 1

我发现使用hpple对于解析凌乱的HTML非常有用。 Hpple项目是用于解析HTML的XPathQuery库上的Objective-C包装器。使用它，您可以发送XPath查询并接收结果。

<强>要求：

- 将libxml2添加到您的项目中

菜单项目 - ＆gt;编辑项目设置
搜索设置“标头搜索路径”
添加新搜索路径“$ {SDKROOT} / usr / include / libxml2”
启用递归选项

- 将libxml2库添加到您的项目

菜单项目 - ＆gt;编辑项目设置
搜索设置“其他链接标记”
添加新的搜索标记“-lxml2”

-From hpple获取以下源代码文件，并将它们添加到您的项目中：

TFpple.h
TFpple.m
TFppleElement.h
TFppleElement.m
XPathQuery.h
XPathQuery.m

- 在w3school XPath Tutorial上散步，以熟悉XPath语言。

代码示例

#import "TFHpple.h"

NSData *data = [[NSData alloc] initWithContentsOfFile:@"example.html"];

// Create parser
xpathParser = [[TFHpple alloc] initWithHTMLData:data];

//Get all the cells of the 2nd row of the 3rd table 
NSArray *elements  = [xpathParser searchWithXPathQuery:@"//table[3]/tr[2]/td"];

// Access the first cell
TFHppleElement *element = [elements objectAtIndex:0];

// Get the text within the cell tag
NSString *content = [element content];  

[xpathParser release];
[data release];

已知问题

由于hpple是XPathQuery的包装器，它是另一个包装器，因此该选项可能不是最有效的。如果性能是项目中的问题，我建议基于hpple和xpathquery库代码编写自己的轻量级解决方案。

Answer 2

看起来SDK中有libxml2.2，libxml/HTMLparser.h声明了以下内容：

此模块实现了一个HTML 4.0非验证解析器，其API与XML解析器兼容。它应该能够解析“真实世界”的HTML，即使从规范的角度严重破坏。

这听起来像我需要的，所以我可能会使用它。

Answer 3

以防万一有人通过谷歌搜索一个不错的XPath解析器并离开并使用TFHpple，请注意TFHpple使用XPathQuery。这非常好，但内存泄漏。

在函数* PerformXPathQuery中，如果发现节点为零，则在清理之前它会跳出。

所以你看到这段代码：添加两个清理行。

  xmlNodeSetPtr nodes = xpathObj->nodesetval;
  if (!nodes)
    {
      NSLog(@"Nodes was nil.");
        /* Cleanup */
        xmlXPathFreeObject(xpathObj);
        xmlXPathFreeContext(xpathCtx);
      return nil;
    }

如果您正在进行大量解析，那就是恶性泄漏。现在....我怎么回到我的晚上： - ）

Answer 4

我在libxml周围写了一个轻量级的包装器，它可能很有用：

Objective-C-HMTL-Parser

Answer 5

这可能取决于HTML的混乱程度以及您想要提取的内容。但通常Tidy做得很好。它是用C语言编写的，我猜你应该能够为iPhone构建和静态链接它。您可以轻松安装命令行版本并首先测试结果。

Answer 6

您可能想要查看ElementParser。它提供了“足够”的HTML和XML解析。漂亮的界面使XML / HTML文档非常简单。 http://touchtank.wordpress.com/

Answer 7

如何使用Webkit组件，以及可能的第三方软件包（如jquery）来完成这些任务？是不是可以在一个不可见的组件中获取html数据并利用javascript框架的非常成熟的选择器？

Answer 8

Google的GData Objective-C API重新实现了NSXMLElement以及Apple从iPhone SDK中删除的其他相关类。你可以在http://code.google.com/p/gdata-objectivec-client/找到它。我用它来通过Jabber处理消息传递。当然，如果您的HTML格式不正确（缺少结束标记），这可能没什么用。

Answer 9

我们使用Convertigo在服务器端解析HTML并向我们的移动应用程序返回干净整洁的JSON Web服务

解析iPhone上的HTML

9 个答案: