编程提取与C / C从HTML文件表格++

Question

我正在寻找从HTML文件中提取表更好的想法。现在，我使用整洁（http://tidy.sourceforge.net/）一个HTML文件转换为XHTML，然后我用rapidxml解析XML。在解析我会寻找<table>，<tr>和<td>节点等创建我的表中的数据结构。

它的工作原理相当不错，但如果有更好的方法来完成我的任务，我想知道。另外，整洁的lib似乎是一个被遗弃的项目。

也有大家有没有试过在整洁的源代码中的“实验性”补丁？

谢谢，基督教

Answer 1

我觉得你的做法是相当确定。我认为最好的是整理和转换HTML为XHTML和解析XML。不能看到它如何可以简化。

你没有提任何问题，所以我不知道是什么问题。

Answer 2

您可以使用的HTMLParser（https://github.com/HamedMasafi/htmlparser）这LIB可以解析，读取和修改HTML和CSS

例如，你的情况为表的读数

    html_parser html;
    html.set_text(html_text);
    auto table = html.query("#table_id").at(0);
    for (auto tr : table->childs()) {
        for (auto td : tr->childs()) {
            //now here you have a td and you are free to any modify are data read
            //e.g:
            auto td_tag = dynamic_cast<html_tag*>(td);
            td_tag->set_attr("id", "new_id"); // change attr
            auto id = td_tag->attr("id");
            auto test = td_tag->innser_text();
            auto html = td_tag->outter_html();
        }
    }

快速入门范例是here