htmlcxxでdomをUnParse

Pocket

軽量なHTMLパースライブラリにhtmlcxxというものがあるのだが、
どうもパースしたdomをテキストにシリアライズする機能が見つからないので、
(見つからないだけで、実際はあるのかも知れないけど)
簡単に作ってみた。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
#include <iostream>
#include <htmlcxx/html/ParserDom.h>

using namespace std;
using namespace htmlcxx;

namespace htmlcxx {
    namespace HTML {
        bool unparseDom(tree<Node>::iterator itrbegin,
                        tree<Node>::iterator itrend,
                        std::string &strbuff,
                        bool bUnparseEnd = false){
            if(bUnparseEnd) itrend.skip_children(), itrend++;

            tree<Node>::iterator itr = itrbegin;
            for(;itr != itrend; itr++){
                if(itr->isTag()){
                    strbuff += itr->text();
                    std::string strendtag(itr->closingText());
                    if(itr.number_of_children() > 0)
                        unparseDom(itr.node->first_child
                        , itr.node->last_child, strbuff, true);
                    strbuff += strendtag;

                    // forのインクリメントで子ノードを飛ばす
                    itr.skip_children();
                }else{
                    strbuff += itr->text();
                }
            }
            return true;
        }
    }
}

int main(){
    string html =   "<html><body><b>hey</b><br />\n"
                    "<!--comment--></body></html>";

    HTML::ParserDom parser;
    tree<HTML::Node> dom = parser.parseTree(html);
    tree<HTML::Node>::iterator itr = dom.begin();

    HTML::Node n; n.isTag(true);
    n.tagName("font");
    n.text("<font color="#ff0000">");
    n.closingText("</font>");

    // bタグの前にfontタグを作り、bタグをその下に移動
    tree<HTML::Node>::iterator itr2 = dom.insert(itr += 3, n);
    dom.append_child(itr2, itr); dom.erase(itr);

    cout << dom << endl;

    std::string str;

    HTML::unparseDom(dom.begin(), dom.end(), str);

    cout << str << endl;
    return 0;
}
出力結果

出力結果

XMLを主に使うパーサはいろいろあるけれど、
HTMLを中心にパースしてくれる軽いライブラリがなかなかないので、
重宝したりしなかったり。

コメントを残す

メールアドレスが公開されることはありません。