用Tinyxml2实习获取html纯文本内容
时间: 2024-03-16 19:42:29 浏览: 13
Tinyxml2是一个轻量级的XML解析库，不能直接处理HTML文档。但可以通过其他的库，如libxml2来处理HTML文档，然后使用Tinyxml2来解析和处理解析后的文本内容。
下面给出一个获取HTML文本内容的示例代码：
```c++
#include <iostream>
#include <fstream>
#include <string>
#include <libxml/HTMLparser.h>
#include "tinyxml2.h"
using namespace std;
using namespace tinyxml2;
void parseHtml(xmlNode *node, XMLDocument& doc);
int main()
{
// 读取HTML文件
string htmlFilePath = "example.html";
ifstream htmlFile(htmlFilePath);
if (!htmlFile.is_open()) {
cout << "Failed to open file: " << htmlFilePath << endl;
return 1;
}
string htmlContent((istreambuf_iterator<char>(htmlFile)), istreambuf_iterator<char>());
htmlFile.close();
// 解析HTML文档
HTMLParserCtxtPtr parserCtxt = htmlCreatePushParserCtxt(NULL, NULL, "", 0, "", XML_CHAR_ENCODING_NONE);
htmlParseChunk(parserCtxt, htmlContent.c_str(), htmlContent.size(), 0);
htmlParseChunk(parserCtxt, "", 0, 1);
xmlDocPtr docPtr = parserCtxt->myDoc;
xmlNode *rootNode = xmlDocGetRootElement(docPtr);
// 使用Tinyxml2解析文本内容
XMLDocument doc;
parseHtml(rootNode, doc);
cout << doc.FirstChildElement("body")->GetText() << endl;
// 释放资源
xmlFreeDoc(docPtr);
htmlFreeParserCtxt(parserCtxt);
xmlCleanupParser();
xmlMemoryDump();
return 0;
}
void parseHtml(xmlNode *node, XMLDocument& doc) {
for (xmlNode *curNode = node; curNode; curNode = curNode->next) {
if (curNode->type == XML_TEXT_NODE) {
doc.InsertEndChild(doc.NewText((const char *)curNode->content));
}
else if (curNode->type == XML_ELEMENT_NODE && strcmp((const char *)curNode->name, "script") != 0) {
XMLElement *newNode = doc.NewElement((const char *)curNode->name);
for (xmlAttr *attr = curNode->properties; attr; attr = attr->next) {
newNode->SetAttribute((const char *)attr->name, (const char *)attr->children->content);
}
parseHtml(curNode->children, newNode->ToDocument());
doc.InsertEndChild(newNode);
}
}
}
```
该示例代码将HTML文档解析为一个DOM树，然后使用递归的方式将文本内容提取出来，并使用Tinyxml2构建新的XML文档。其中，在解析HTML文档时，排除了`<script>`标签，因为`<script>`标签中的内容不应该被解析为文本内容。
最终，可以使用`doc.FirstChildElement("body")->GetText()`获取HTML文档中`<body>`标签中的纯文本内容。
相关推荐
最新推荐
TinyXml中文使用指南
TinyXml中文使用指南 TinyXml中文使用指南 TinyXml中文使用指南 TinyXml中文使用指南
XML解释器TinyXml使用
Linux and windows 平台下XML解释器，TinyXml使用
麦肯锡-年月―中国xx集团战略咨询项目建议书.ppt
麦肯锡-年月―中国xx集团战略咨询项目建议书.ppt
zigbee-cluster-library-specification
最新的zigbee-cluster-library-specification说明文档。
管理建模和仿真的文件
管理Boualem Benatallah引用此版本：布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学，1996年。法语。NNT：电话：00345357HAL ID：电话：00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
实现实时数据湖架构：Kafka与Hive集成
# 1. 实时数据湖架构概述**
实时数据湖是一种现代数据管理架构，它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同，实时数据湖不依赖于预先定义的模式，而是采用灵活的架构，可以处理各种数据类型和格式。这种架构为企业提供了以下优势：
- **实时洞察：**实时数据湖允许企业访问最新的数据，从而做出更明智的决策。
- **数据民主化：**实时数据湖使各种利益相关者都可
2． 通过python绘制y=e-xsin(2πx)图像
可以使用matplotlib库来绘制这个函数的图像。以下是一段示例代码：
```python
import numpy as np
import matplotlib.pyplot as plt
def func(x):
return np.exp(-x) * np.sin(2 * np.pi * x)
x = np.linspace(0, 5, 500)
y = func(x)
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('y')
plt.title('y = e^{-x} sin(2πx)')
plt.show()
```
运行这段
JSBSim Reference Manual
JSBSim参考手册，其中包含JSBSim简介，JSBSim配置文件xml的编写语法，编程手册以及一些应用实例等。其中有部分内容还没有写完，估计有生之年很难看到完整版了，但是内容还是很有参考价值的。
"互动学习：行动中的多样性与论文攻读经历"
多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动，互动学习以行动为中心的强化学习学会互动，互动学习，以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授：智囊团论文联合主任菲利普·普雷教授，大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授，Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士，Deepmind对于那些及时看到自己错误的人...3谢谢你首先，我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔，"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲，你知道在这篇论文的（许多）错误中，你是我可以依
实现实时监控告警系统：Kafka与Grafana整合
# 1.1 Kafka集群架构
Kafka集群由多个称为代理的服务器组成，这