womit quelltext einer seite parsen?
-
ich will den quelltext einer seite ( html ) parsen. Kennt jemand eine Library die er empfehlen kann?
google hilft da nicht sonderlich viel wenn das stichwort html fällt.
danke im voraus
-
HTML is ne schwierige Sache.. Am besten wären wohl Reguläre Ausdrücke. boost und tr1 haben Klassen für Reguläre Ausdrücke.
-
Janjan schrieb:
Am besten wären wohl Reguläre Ausdrücke.
Reguläre Ausdrücke sind nicht dazu geeignet, HTML zu parsen.
-
Registrierter Troll schrieb:
Janjan schrieb:
Am besten wären wohl Reguläre Ausdrücke.
Reguläre Ausdrücke sind nicht dazu geeignet, HTML zu parsen.
Was dann?
-
XML Parser sind da wohl besser.
-
Alex_84 schrieb:
Was dann?
Keine Ahnung. Kurz nach c++ html parser gegooglet, zweiter Treffer: http://www.codeproject.com/KB/library/GomzyHTMLReader.aspx
theliquidwave schrieb:
XML Parser sind da wohl besser.
Äh, nein.
-
Registrierter Troll schrieb:
Alex_84 schrieb:
Was dann?
Keine Ahnung. Kurz nach c++ html parser gegooglet, zweiter Treffer: http://www.codeproject.com/KB/library/GomzyHTMLReader.aspx
Wenn ich Windows-Code haben wollte, hätte ich im WinApi-Unterforum gefragt...
Hab endlich eine gefunden: http://htmlcxx.sourceforge.net/
-
Alex_84 schrieb:
Wenn ich Windows-Code haben wollte, hätte ich im WinApi-Unterforum gefragt...
Sorry, hab mir den Code nicht angeschaut. Einfach mal Google bedienen lernen, dann brauchst du nächstes Mal auch nicht mit den Augen zu rollen, wenn dir jemand helfen will.
-
theliquidwave schrieb:
XML Parser sind da wohl besser.
Äh, nein.[/quote]
Äh, warum nicht? Wenn er was eigenes entwickeln möchte sind sie doch optimal. HTML ist schließlich nichts anderes als XML.
-
theliquidwave schrieb:
HTML ist schließlich nichts anderes als XML.
Das stimmt nicht.
-
theliquidwave schrieb:
theliquidwave schrieb:
XML Parser sind da wohl besser.
HTML ist schließlich nichts anderes als XML.
HTML: <p>...<br>...</p>
Das wäre in XML nicht erlaubt.
Du verwechselst HTML wohl mit XHTML.
-
o_O
Wo das denn nicht? HTML bietet Nodes, Attributes und Values, genau das, was XML ausmacht. Die Syntax ist gleich. Wo ist HTML denn da kein XML?Edit: Naja, dann halt XHTML. Die />-Tags gehören für mich dazu, <br> blende ich quasi aus. Aber hast recht, gebe mich geschlagen
-
theliquidwave schrieb:
Wo ist HTML denn da kein XML?
XML fordert, dass jeder geöffnete Tag wieder geschlossen wird. HTML hat viele Tags die nicht geschlossen werden, darunter <br> und <hr>.
Außerdem müssen in XML Attributen auch Werte zu gewiesen werden, in HTML nicht:
<input ... selected>In XML wäre das selected="selected" (wie auch in XHTML).
-
Jo, wie gesagt, da haste recht. Diese Schreibweise habe ich noch nie verwendet und blende sie daher quasi aus
Gruß
-
theliquidwave schrieb:
Jo, wie gesagt, da haste recht. Diese Schreibweise habe ich noch nie verwendet und blende sie daher quasi aus
Du blendest die Schreibweise aus? <br /> ist in HTML schlichtweg nicht erlaubt.
-
...
Dann benutze ich wohl schon immer (unbewusst) XHTML.
Selbstnotiz: Bei Zeiten mal meine DTD ändern