logo标签列表

如何使用C++/Qt解析HTML？

c++qtqtwebkithtml-content-extractionqtcore
7
我该如何解析以下HTML？
<body>
<span style="font-size:11px">12345</span>
<a>Hello<a>
</body>

我想从www.testtest.com的style="font-size:11px"的"span"中检索数据"12345"，但我只想要这个数据，不需要其他任何东西。
我该如何实现这个目标？
2个回答
8

我认为QXmlQuery是你想要的工具。 我认为代码应该是这样的

QXmlQuery query;

query.setQuery(html, QUrl("/body/span[@style='font-size:11p']"));

QString r;
query.evaluateTo(&r);

您可以直接提供URL来查询。
query.setQuery(QUrl("http://WWW.testtest.com"), QUrl("/body/span[@style='font-size:11p']"));
我认为qtxmlpatterns（因此这个建议）对于这个简单的任务来说有点过头了。QtWebKit可以很好地处理HTML，或者如果有人希望避免甚至那个，那么QtCore的XML解析器也可以胜任。然而，如果涉及到HTML，则很可能还需要从webkit中获取其他功能。 - László Papp
3
@LaszloPapp，QtWebkit比xmlpatterns重得多。实际上，QtWebkit是最大的Qt部件。 - Lol4t0
Lol4t0：你的答案对我来说仍然没有意义。如果他已经必须使用webkit，那就完全没有添加额外的依赖项了。否则，他将需要使用QtCore。无论如何，你的答案都是错误的。因为今天已经达到限制，所以明天我会给一个负一分。 :) 基本上，你建议使用一个未维护的额外依赖项。那很糟糕。 - László Papp
请重新阅读一下。我写了“if”。还请查看我的回复和之前的评论。 - László Papp
1
好的，从Qt 5.6开始，QtWebKit已经不存在了，因此这现在是更正确的答案。 - Romário
3
编辑：来自Qt 5.6发布博客文章：

从5.6开始，Qt WebKit和Qt Quick 1将不再受支持并从发布中删除。这些模块的源代码仍将可用。

因此，在Qt 5.6中，除非你愿意编译源代码，否则将不再提供QtWebKit。如果您使用的是早于5.6版本的Qt或愿意编译QtWebKit，则可能会有所帮助；否则此答案已不再有效。

由于您的说明不完整，很难准确告诉您需要做什么。但是，有两种方法可以进行。

QtWebKit

如果您已经需要该模块的其他功能，则这不会引入任何进一步的依赖关系，并且对您来说将是最方便的。

您需要获取https://doc.qt.io/archives/qt-5.5/qwebelement.html

找到html中第一个“span”元素后，就可以获得该元素：

https://doc.qt.io/archives/qt-5.5/qwebframe.html#findFirstElement

然后，您可以使用相应的QWebElement方法获取该元素的文本。例如，您可以使用以下方法获取属性值：

https://doc.qt.io/archives/qt-5.5/qwebelement.html#attribute

......但是，您还可以请求属性名称，如文档中所示。

这就是您将获取12345值的方式：

https://doc.qt.io/archives/qt-5.5/qwebelement.html#toPlainText

QtCore中的XML解析器

如果您的软件不需要使用webkit，并且html数据来自于不同的来源而非直接从网络获取，那么最好使用QtCore中提供的xml解析器。即使您没有从QtWebKit获取其他依赖项，这种额外的依赖项也可能不会对您的用例造成任何问题。根据您的描述很难判断。当然，与基于webkit的解决方案相比，这将会不那么方便，但差别不是很大，因为后者是为html设计的。
您需要避免使用QtXmlPatterns。目前它是未维护的软件，无论如何都会为您的代码引入额外的依赖项。
QtWebKit已从Qt中删除，因此此答案已过时。除了QtXmlPatterns之外，是否有其他替代品？ - Romário
1
也许普通的正则表达式比整个浏览器更适合？他只需要一些值。 - ilotXXI
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接