盲目地解析特定标签的 XML 页面答案

【问题标题】：Blindly parse XML page for specific tags盲目地解析特定标签的 XML 页面
【发布时间】：2014-08-02 06:50:37
【问题描述】：

我在使用TinyXML2 来盲目地解析特定标签的XML 页面时遇到问题。

基本上，我被要求通过 C++ 解析 HTML 页面。我使用（相当旧的）tidyHTML 库首先将我的 HTML 页面“翻译”成 XML 页面。然后，我想使用 TinyXML2 来解析这些新创建的 XML 页面以获取 特定标签的内容（标题、h1、元关键字，...）。

为此，我尝试使用以下代码遍历我的 XML 页面中的所有标签：

XMLDocument doc;
doc.Parse( cleanedHTML.c_str() );
XMLNode* currentNode;

if(currentNode->NoChildren())
{
    while(!currentNode->NextSibling())
    {
        currentNode=currentNode->Parent();
        if(!currentNode)
            return NULL;
    }
    currentNode=currentNode->NextSibling();
}
else
{
    currentNode=currentNode->FirstChild();
}

doc.Print();
std::string nodeName = currentNode->LastChild()->Value();
return nodeName;

这段代码可能有一些问题 - 毫无疑问，我显然是个业余爱好者。但结果仍然让我感到困惑：无论我在解析哪个页面，nodeName 都会返回“USER=root”。

我尝试选择此节点的相关元素，例如 currentNode->FirstChildElement() 或 LastChildElement()，甚至是 Siblings...但每次它都会导致分段错误。

我读到 Xpath 将是做我想做的事情的好方法，但是我又一次没时间了，我担心我做不到在如此相对较短的时间内将我的思想包裹在 Xpath 上。

我可能看错了，或者我应该使用 Accept() 吗？
老实说，我在这里感到有些失落，并希望你们能提供任何帮助！
我想迅速借此机会也感谢这个网站，它在过去的。真是太棒了。

提前感谢您的回复！

【问题讨论】：

您是否验证过“已清理”的 XML 实际上是有效 XML？
嗯，我首先尝试使用一个非常简单的代码（6 个元素和十几个节点顶部），然后...... xmlvalidation.com 没有遇到任何错误。我现在将尝试类似地解析，但只解析 ELEMENTS 并通过 FOR 循环。

标签： c++ xml xml-parsing tinyxml

【解决方案1】：

现在我已经完成了我的项目，我终于可以回答这个问题了：

我正在寻找的确实是 Accept() 和 Visitor。我必须实例化一个访客，添加他的“遭遇”会产生的任何特定效果，然后将其放入我的 doc.Accept();

例如，如果我想在字符串中获取已解析页面的标题，我会这样做：

bool MyVisitor::VisitEnter(const XMLElement& element, const XMLAttribute* attribute) if(strcmp( element.Name(), "title") == 0) { if(element.GetText() != NULL) { titleContent = element.GetText(); } else titleContent = ""; }

... 然后用一个 classic MyVisitor::getTitle() 函数返回它，您可以在需要它的任何地方调用它。
希望它有所帮助，如果有人想要更多详细信息，我可以提供工作和扩展代码。

我后来发现 Google 发布了 gumbo parser 所以...是的。
显然比现在使用 TinyXML-2 解析 HTML5 更好也更容易：D

【讨论】：

【解决方案2】：

您可能需要考虑使用一个解析器，该解析器可以提供更好的示例，您可以在此基础上构建您的工具...例如，可以调整 Apache Xerces-C 的 SAX API 示例。

（我对 TinyXML2 及其支持的 API 一无所知，因此无法建议如何解决现有代码中的问题。）

【讨论】：

感谢您的关注！我认为 TinyXML2 已经具有接近 SAX 接口 (Accept()) 的功能，但是……这真的是我想要做的吗？无论如何，我都会对 SAX 进行更多研究。