vs2010环境 c++ 使用htmlcxx解析html .转

vs2010环境 c++ 使用htmlcxx解析html

from http://blog.csdn.net/q408384053/article/details/8070627

 

因为最近在弄一个获取课表的程序，课表的内容来自教务系统网站，所以需要解析html。然后我就在网上搜索”c++解析html“，然后就找到了htmlcxx这个开源库，下载下来，发现不会使用它，然后又在网站上搜索相关资料。最后找到一个博客(http://www.cnblogs.com/zhanglanyun/)，然后用email联系了他，解决了问题，很感谢他！

接着说如何使用（作为参考，可能在别人的电脑上和我这有些区别）：

1.下载htmlcxx库，我下的是tar.gz格式的，然后用解压软件将它解压出来。

2.找到一个vs的工程文件htmlcxx.vcproj（旧版本的vs工程），打开打，直接编译可能会提示有一个错误（因为在我电脑里出现了），错误指向了一个常字符指针(const char *)，如下图，然后只需要把后面的引号删掉，重新打一次，再编译，就可以成功编译了。

3.编译完成之后，工程生成了一个lib静态库文件。

4.但是这个库下载下来是不支持中文的，也就是说比如html中标签里含有中文，就会出错（这是我在获取源代码时，因为获取不完全，导致程序出错，才发现的）。如果出现了这个问题，可以查看以下两个博客，里面有解决方法。

http://my.oschina.net/leeeryan/blog/9914

http://blog.csdn.net/schoolers/article/details/6891061

5.然后在你的工程里面设置vc的包含目录和库目录，把htmlcxx文件夹包含，然后库目录包含刚才生成的lib的文件夹。另外，也可以将刚生成的lib拷贝到你的工程目录下，用#pragma (lib, "xxxx.lib")加载静态链接库。

6.接着，在 工程属性->c/c++->代码生成 里面将运行库设置为/MTd。

这就可以使用了。

如何使用呢？

以控制台为例

1.#include <htmlcxx/html/ParserDom.h>

2. #include <htmlcxx/html/utils.h>

3.使用命名空间，using namespace htmlcxx

4.

HTML::ParserDom parser ;        //可以用来将html代码转换成dom树
tree<HTML::Node> dom ;            //用来储存html各个节点
tree<HTML::Node>::iterator iterator ; //树的迭代器

iterator = dom.begin () ;               //得到dom的第一个节点
iterator->tagName () ;                  //获得节点的标签名
iterator->parserAttributes () ;         //附上节点属性
iterator->Attribute ("href").second ;   //此行执行需要上行，这相当于获取标签的href属性，之所以有second，因为Attribute ("attributeName")返回了一个pair

HTML::ParserDom parser ;		//可以用来将html代码转换成dom树

tree<HTML::Node> dom ;			//用来储存html各个节点

tree<HTML::Node>::iterator iterator ;	//树的迭代器



iterator = dom.begin () ;               //得到dom的第一个节点

iterator->tagName () ;                  //获得节点的标签名

iterator->parserAttributes () ;         //附上节点属性

iterator->Attribute ("href").second ;   //此行执行需要上行，这相当于获取标签的href属性，之所以有second，因为Attribute ("attributeName")返回了一个pair

在博客记录一下，方便以后使用。若有说的不对的地方，欢迎指出。