在iPhone上解析HTML [关闭]

谁能推荐C或Objective-C库进行HTML解析？它需要处理无法完全验证的凌乱的HTML代码。

这样的库是否存在，还是我最好只是尝试使用正则表达式？

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

要求：

-将libxml2 includes添加到您的项目中

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

-将libxml2库添加到您的项目

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

-从hpple中获取以下源代码文件，并将其添加到您的项目中：

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

-在w3school XPath教程上散步，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];

已知的问题

由于hpple是另一个包装程序XPathQuery的包装程序，因此该选项可能不是最有效的。如果您的项目中存在性能问题，建议您根据hpple和xpathquery库代码编写自己的轻量级解决方案。

看起来像是libxml2.2SDK中附带的，并libxml/HTMLparser.h具有以下特征：

该模块使用与XML解析器兼容的API来实现HTML 4.0非验证解析器。即使从规范的角度来看严重损坏，它也应该能够解析“真实世界”的HTML。

这听起来像我所需要的，所以我可能会使用它。

万一有人通过谷歌搜索一个不错的XPath解析器到达这里，然后离开并使用TFHpple，请注意，TFHpple使用XPathQuery。这非常好，但是有内存泄漏。

在* PerformXPathQuery函数中，如果发现节点为零，则在清除之前会跳出。

因此，您将在此处看到以下代码：在两条清理行中添加。

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

如果您要进行大量分析，那是一个恶性泄漏。现在....我如何让我的夜晚恢复原状:-)

我围绕libxml编写了一个轻量级的包装，这可能有用：

Objective-C-HMTL分析器

这可能取决于HTML的混乱程度以及您要提取的内容。但是通常Tidy做得很好。它是用C编写的，我想您应该能够为iPhone构建并静态链接它。您可以轻松安装命令行版本并首先测试结果。

您可能要签出ElementParser。它提供HTML和XML的“足够”解析。好的接口使在XML / HTML文档中走动非常简单。http://touchtank.wordpress.com/

如何使用Webkit组件以及可能的第三方包（例如jquery）来执行此类任务？不可能在不可见的组件中获取html数据并利用javascript框架非常成熟的选择器吗？

Google的GData Objective-C API重新实现了Apple从iPhone SDK中删除的NSXMLElement和其他相关类。您可以在http://code.google.com/p/gdata-objectivec-client/中找到它。我已经使用它通过Jabber处理消息。当然，如果您的HTML格式不正确（缺少结束标记），则可能无济于事。

我们使用Convertigo在服务器端解析HTML，并将干净整洁的JSON Web服务返回到我们的移动应用程序