在iPhone上解析HTML

Question

请问有没有人能够推荐一个用于解析HTML的C或Objective-C库？它需要能够处理一些不太符合标准的HTML代码。

是否存在这样的库，或者我最好尝试使用正则表达式来解析HTML？

- soprano

---

我喜欢Ben Reeves在这个帖子中提到的轻量级包装器。该包装器已经转移到了Github上: Objective-C-HMTL-Parser。 - yarchiko

这个问题为什么被认为是“不具建设性”的？ - 735Tesla

Answer 1

我发现使用hpple很有用，可以解析混乱的HTML。 Hpple项目是一个基于XPathQuery库的Objective-C包装器，用于解析HTML。使用它，您可以发送XPath查询并收到结果。

要求：

-将libxml2包含添加到您的项目中

1. 菜单 项目->编辑项目设置
2. 搜索设置“头搜索路径”
3. 添加新搜索路径“${SDKROOT} /usr/include/libxml2”
4. 启用递归选项

-将libxml2库添加到您的项目中

1. 菜单 项目->编辑项目设置
2. 搜索设置“其他链接器标志”
3. 添加新搜索标志“-lxml2”

-从hpple获取以下源代码文件并将它们添加到您的项目中：

1. TFpple.h
2. TFpple.m
3. TFppleElement.h
4. TFppleElement.m
5. XPathQuery.h
6. XPathQuery.m

-在w3school XPath Tutorial上学习XPath语言，以便感到舒适。

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

因为 hpple 是针对 XPathQuery 的另一个封装，所以这个选项可能不是最有效的。 如果在您的项目中需要考虑性能问题，建议基于 hpple 和 xpathquery 库代码编写自己的轻量级解决方案。

- Albaregar

---

我刚刚使用了这个，到目前为止效果非常好。 - Karsten Silz

它在处理字符串数据方面表现得非常好。您能告诉我如何从HTML中获取并显示图像吗？ - Akshay

Askhay，图片不会存储在HTML中。您必须获取URL并自行下载。一旦您获得了URL，可以使用[NSData dataWithContentsOfURL]来获取文件。 - Maciej Swic

自2011年7月8日起，TFHpple的search:方法已更名为searchWithXPathQuery:。请参见https://github.com/topfunky/hpple/commit/fd5ec102a55ce08f68c6f2060acfcdfb2d3a13a3。 - Protocole

这对我非常有效，谢谢。我有一个奇怪的怪癖，文件名似乎在前面有一个空格字符，但这可能是由于编码错误而发生，并且与hpple无关。 - Robert

你可以使用Hpple添加/删除元素吗？ - Valerio Santinelli

Answer 2

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

该模块实现了一个与XML解析器API兼容的HTML 4.0非验证解析器。它应该能够解析“现实世界”中的HTML文件，即使是从规范角度严重破损的。

这听起来就是我需要的，所以我可能会使用它。

- soprano

Answer 3

提醒一下，如果有人通过谷歌搜索一个好的XPath解析器并使用了TFHpple，请注意TFHpple使用XPathQuery。这个工具很不错，但存在内存泄漏问题。

在函数“PerformXPathQuery”中，如果发现节点为空，则会在清理前跳出函数。

所以，在你看到以下代码时，请添加两行清理代码：

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

如果你正在做大量的解析工作，这将导致严重的内存泄漏问题。那么...我该如何挽回我的夜晚呢 :-)

- DavidAWalsh

---

我只能找到 Hpple，但它自 2009 年以来就没有更新了。我在哪里可以找到“TFHpple”？ - Maciej Swic

https://github.com/topfunky/hpple - 是的，我认为它相当老了。不过一旦你清理掉泄漏问题，它还是可以正常工作的。 - DavidAWalsh

看起来这个修复已经在最新的提交中更新了。 - jfisk

Answer 4

我写了一个轻量级的libxml包装器，可能会很有用:

Objective-C-HMTL-Parser

- user75832

---

很棒，Ben。我可能会在我的即将推出的iPad应用中使用它。 - Brock Woolf

网站崩溃了，你应该在 GitHub 上发布这个问题！ - bentford

Ben，我尝试添加你的库 - 它也适用于iPhone开发吗？因为我得到了http://stackoverflow.com/questions/14086354/adding-htmlparser-library-undefined-symbols-for-architecture-armv7s - Dejell

Answer 5

这可能取决于HTML的混乱程度和你想要提取的内容。但通常Tidy做得很好。它是用C编写的，我猜你应该能够为iPhone构建并静态链接它。你可以轻松安装命令行版本并先测试结果。

- tcurdt

Answer 6

你可能想要查看ElementParser。它提供了对HTML和XML的“刚好足够”的解析。漂亮的接口使得在XML / HTML文档中游走非常简单。 http://touchtank.wordpress.com/

- Lee

---

新链接：https://github.com/Objective3/ElementParser - smdvlpr

ElementParser 的漏洞相当多，而且自 2009 年以来没有更新。我强烈反对使用它。 - steipete

Answer 7

如何使用Webkit组件以及可能的第三方包，例如jquery来完成这些任务？在一个不可见的组件中获取HTML数据并利用JavaScript框架的成熟选择器是否是可能的呢？

- tore

Answer 8

谷歌的GData Objective-C API重新实现了NSXMLElement和其他相关类，这些类被苹果从iPhone SDK中删除。您可以在此处找到它：http://code.google.com/p/gdata-objectivec-client/。我已经用它来处理通过Jabber发送消息。当然，如果您的HTML格式不正确（缺少闭合标签），这可能不会有太大帮助。

- dnolen

Answer 9

我们使用Convertigo在服务器端解析HTML，并返回干净整洁的JSON Web服务给我们的移动应用程序。

- Wulkanman

---

这并没有回答问题-他在寻找一个客户端库。 - Freney