0

我必须在两个元素之间提取 HTML。例如

<html>
<head> </head>
<body>
<div>
<span id="start">                
<span> Some text </span>
<span> some other text</span> 
</span>
<span id="parent">                
<span id="target"> target node </span>
<span> some other text</span> 
</span>
</div>
</body>
</html>

现在我想提取从 id 为“start”的 span 到 id 为“target”的 HTML 内容。

结果：

<span id="start">                
<span> Some text </span>
<span> some other text</span> 
</span>
<span>                
<span id="target"> target node </span>

我能够使用以下方法提取 HTML：

我正在使用树解析方法。

htmlDocPtr xhtmlDoc = htmlReadFile(fileName.c_str(), "UTF-8",            HTML_PARSE_RECOVER|HTML_PARSE_NOERROR|HTML_PARSE_NOWARNING);

htmlNodePtr rootNodePtr = xmlDocGetRootElement(xhtmlDoc);

然后我解析到所需的节点，然后我使用：

xmlBufferPtr nodeBuffer = xmlBufferCreate();
xmlNodeDump(nodeBuffer, xhtmlDoc, cur_node, 0, 1);
printf("%s\n",nodeBuffer->content);

注意：cur_node 的类型为 xmlNode *

但问题是，当我到达 id 为“parent”的跨度并提取给定整个 HTML 内容的数据时，我得到：

<span id="start">                
<span> Some text </span>
<span> some other text</span> 
</span>
<span id="parent">                
<span id="target"> target node </span>
<span> some other text</span> 
</span>

意味着额外的内容。我怎样才能达到预期的效果？

4

0 回答 0