11

我想解析一个网页，在某些位置插入锚点并再次渲染修改后的 DOM，以便为Dash生成文档集。这可能吗？

从 html5ever 中包含的示例中，我可以看到如何读取 HTML 文件并进行穷人的 HTML 输出，但我不明白如何修改RcDom检索到的对象。

我希望看到将锚元素 ( <a name="foo"></a>) 插入到RcDom.

注意：这是一个关于 Rust 和 html5ever 的问题……我知道如何用其他语言或更简单的 HTML 解析器来做。

4

1 回答 1

15

下面是一些解析文档、向链接添加锚点并打印新文档的代码：

extern crate html5ever;

use html5ever::{ParseOpts, parse_document};
use html5ever::tree_builder::TreeBuilderOpts;
use html5ever::rcdom::RcDom;
use html5ever::rcdom::NodeEnum::Element;
use html5ever::serialize::{SerializeOpts, serialize};
use html5ever::tendril::TendrilSink;

fn main() {
    let opts = ParseOpts {
        tree_builder: TreeBuilderOpts {
            drop_doctype: true,
            ..Default::default()
        },
        ..Default::default()
    };
    let data = "<!DOCTYPE html><html><body><a href=\"foo\"></a></body></html>".to_string();
    let dom = parse_document(RcDom::default(), opts)
        .from_utf8()
        .read_from(&mut data.as_bytes())
        .unwrap();

    let document = dom.document.borrow();
    let html = document.children[0].borrow();
    let body = html.children[1].borrow(); // Implicit head element at children[0].

    {
        let mut a = body.children[0].borrow_mut();
        if let Element(_, _, ref mut attributes) = a.node {
            attributes[0].value.push_tendril(&From::from("#anchor"));
        }
    }

    let mut bytes = vec![];
    serialize(&mut bytes, &dom.document, SerializeOpts::default()).unwrap();
    let result = String::from_utf8(bytes).unwrap();
    println!("{}", result);
}

这将打印以下内容：

<html><head></head><body><a href="foo#anchor"></a></body></html>

如您所见，我们可以通过children属性导航子节点。

我们可以更改存在于 的属性向量中的属性Element。

于 2016-08-09T22:42:13.020 回答