c++ - 用 C++ 解析 HTML（最好使用 Qt）

Question

我正在尝试使用 C++ 解析一些 HTML 以从 HTML 中提取所有 url（这些 url 可以在 href 和 src 属性内）。

我尝试使用 Webkit 为我完成繁重的工作，但是由于某种原因，当我用 HTML 加载框架时，生成的文档全错了（如果我让 Webkit 从 Web 获取页面，生成的文档就好了，但 Webkit 也下载所有图像、样式和脚本，我不想要）

这是我试图做的：

frame->setHtml(HTML);
QWebElement document = frame->documentElement();
QList<QWebElement> imgs = document.findAll("a"); // Doesn't find all links
QList<QWebElement> imgs = document.findAll("img"); // Doesn't find all images
QList<QWebElement> imgs = document.findAll("script");// Doesn't find all scripts
qDebug() << document.toInnerXml(); // Print a completely messed-up document with several missing elements

我究竟做错了什么？有没有用 Qt 解析 HTML 的简单方法？（或其他一些轻量级库）

Answer 1

您总是可以使用 XPath 表达式来简化您的解析工作，例如看看这个。

或者你可以做这样的事情

QWebView* view = new QWebView(parent);
view.load(QUrl("http://www.your_site.com"));
QWebElementCollection elements = view.page().mainFrame().findAllElements("a");