iOS html解析1（包含中文字符）

原文地址：http://synchronized-lala.iteye.com/blog/1661806

HTMLParser方法可以参考 https://github.com/zootreeves/Objective-C-HMTL-Parser

TFHpple方法的使用可以看 https://github.com/topfunky/hpple

 

        TFHpple，因为它很简单，也好用，但是它的功能不是很完完善。比如，不能获取children node。它是用XPath来定位和解析html或者xml。

     hpple解析html中可能存在的问题：http://www.ccbase.net/post/66.html

     xpath教程：http://www.w3school.com.cn/xpath/index.asp

 

具体的方法可以参考：(英文网址介绍）http://stackoverflow.com/questions/405749/parsing-html-on-the-iphone

                                        （中文网址介绍）http://blog.csdn.net/xiaoxuan415315/article/details/7788955；还要代码下载，不过里面有错

 

 <span>NSData *htmlData = [NSString stringWithContentsOfFile:[NSURL URLWithString:@"http://www.baidu.com</span>"] encoding:NSUTF8StringEncoding error:nil];

 会报：[NSURL getFileSystemRepresentation:maxLength:]: unrecognized selector sent to instance 0x6bcad20

 

 NSData *htmlData  = [NSString stringWithContentsOfURL:[NSURL URLWithString:@"http://www.baidu.com"] encoding:NSUTF8StringEncoding error:nil];

 匹配还是有问题

应该这个更合适点

 

 <span>NSData *htmlData = [NSData dataWithContentsOfURL:[NSURL URLWithString:@"http://www.baidu.com</span>"]];

 

下面讲一下我自己实现的过程中的关键代码：

 

解析非utf-8页面的思路 ：

 

1. 把网络流返回的NSDate的GB2312（假设是这个）转换成TFHpple能正确解析的UTF-8编码的NSData；
2. 将其中一行的<meta http-equiv="Content-Type" content="text/html; charset=gb2312">转换成UTF-8形式的

可以采用如下两种方案解决：

方法一：

 

 //转换成GBK编码
    NSStringEncoding gbEncoding = CFStringConvertEncodingToNSStringEncoding(kCFStringEncodingGB_18030_2000);

    NSData *htmlData = [NSData dataWithContentsOfURL:[NSURL URLWithString:@"可以是非utf-8的网页"]];
    NSString *htmlStr = [[[NSString alloc] initWithData:htmlData encoding:gbEncoding] autorelease];

 

方法二：

 

 NSData *htmlData = [NSData dataWithContentsOfURL:[NSURL URLWithString:@"可以是非utf-8的网页"]];
     CFStringRef bgCFStr = CFStringCreateWithBytes(NULL, [htmlData bytes], [htmlData length], kCFStringEncodingGB_18030_2000, false);
     NSString *gbHtmlStr = (NSString *)bgCFStr;

 

方法一或者二选其一，然后加下面的代码就可以实现简单解析了

 

    NSString *utf8HtmlStr = [htmlStr stringByReplacingOccurrencesOfString:@"<meta http-equiv=\"Content-Type\" content=\"text/html; charset=gb2312\">"
                                                                 withString:@"<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\">"];
    NSData *htmlDataUTF8 = [utf8HtmlStr dataUsingEncoding:NSUTF8StringEncoding];
    TFHpple *xpathParser = [[TFHpple alloc] initWithHTMLData:htmlDataUTF8];

 NSArray *elements  = [xpathParser search:@"//option"];
 TFHppleElement *element = [elements objectAtIndex:0];
 NSString *h3Tag = [element content];

    NSLog(@"%@",h3Tag);
 mLabel.text = h3Tag;

    [xpathParser release];
 [htmlData release];

 

很有用的网址：http://www.raywenderlich.com/14172/how-to-parse-html-on-ios

 

 

 碰到的问题：NSData --》NSString  

 

                     NSData *htmlData = [htmlStr dataUsingEncoding:NSUTF8StringEncoding];

 

                   NSString --》NSData

 

                      NSString *htmlStr = [[[NSString alloc] initWithData:htmlData encoding:NSUTF8StringEncoding]autorelease];