是否有任何可用的 C++（或者可能是 C）函数/类/库仅用于清理可能包含 HTML 的字符串？
我发现很多源代码用于在 C# 或 Web 应用程序中更常用的其他语言中进行清理，但在 C++ 中没有。
如果我找不到任何可用的功能，我会尝试实现我自己的功能，但我认为经过大量测试的解决方案会好得多。
编辑>我的需求更精确：
我在我的 C++ 应用程序中从键盘获取文本输入。然后我需要在将其用作 javascript 函数调用中的参数之前对其进行清理。该javascript在加载的html页面中运行，该页面自动呈现（通过Chromium）在我通过库（Navi）显示的纹理中。因此，我使用的 javascript 函数将简单地获取给定的文本，在文本周围放置 P 标签并将其注入到这样的 div 中：
text_display.innerHTML += text_to_add;
我需要在将文本发送到网页之前对其进行清理，无论是用于此功能还是其他功能。它只需要在输入 Chromium 之前进行消毒。
你在这里问了很多问题。在你得到一个好的答案之前，你需要清楚你想要从你的输入中“解析”出什么。例如，您可以查找任何“<”字符，并将它们转换为其他字符，这样它们就不会被任何 HTML 解析器解析。
或者，您可以搜索 < 和 > 的模式，然后是 </ > 模式。（对不起，我不得不把它放在这里，这样 HTML 解析器 HERE 就不会吃掉它）。然后，您还需要查找“< 单元素标签 />”。
您实际上可以查找有效/已知的 HTML 标记并将其删除。
那么，问题就变成了，哪种方法适合您的解决方案？知道如果您制作一个简单的解析器，您实际上可能会撕掉包含大于和小于符号的有效文本。
所以，到目前为止，这是我给你的答案。
如果您只想删除任何 HTML 风格的文本，我建议您使用正则表达式引擎 (PCRE)，并使用它来解析您的输入，并删除所有匹配的字符串。这可能是一个简单的解决方案，但它确实需要您获取并构建 PCRE，并且您需要为您的项目了解 GPL 问题。解析可能真的很容易实现，并且运行速度很快。
第二种选择是通过遍历缓冲区，寻找打开的 HTML 字符 (<)，然后解析直到遇到第一个空白，然后开始遍历，寻找关闭的 HTML 字符 (>)，然后再次开始遍历，根据您刚刚解析的内容寻找匹配的 CLOSING 标记。（比如说，它是一个 DIV 标签，你要查找 /DIV。）
我有在 STL HTML 解析器中执行此操作的代码，但也有很多问题需要考虑走这条路。例如，您需要处理实体代码、IMG、P 和 BR 等单元素标签，仅举几例。
如果您想查看一些非常棒的 C 代码，请查看 ClamAV 项目。他们有一个 HTML 解析器，可以去除页面中的所有标签，只剩下剩下的文本。（除其他外它确实..）。在文件 libclamav\htmlnorm.c 中查看有关“缓冲行走”和解析的一个很好的示例。这不是世界上最快的东西，但它确实有效......最新的 Clam 甚至可能有很多东西与 HTML 解析器相关联，实际上可能很难理解。如果是这样，请返回并查看早期版本，例如 .88.4 左右。请注意那些旧代码库中的错误，有一些好的。:)
希望这可以帮助。
使用 Qt 的 QWebkit 并解析 HTML 树。然后用它吐出输出。这会稍微清理一下html。