前一段时间为了解析HTML在网上找Delphi版本的HTML解析器,发现没有太好用的.遇到复杂的HTML都会出错.最常见的JavaScript中嵌入HTML的字符串,会解析出错.
至于收费的没看过.不知道怎么样.
于是自己写了一个,到现在没有遇到解析出错的HTML.现在公开出来给大家用.只是苦了老外那几个收费的.
采用的是接口形式,生存期自管理,不用理会释放的事情.最近又增加了CSS Selector语法的查找功能.可以像CSS选择器一样选择节点.
只引用了SysUtils单元.避免了在高版本Delphi中Classes这个体积大户.同时也具有较好的跨平台性.
支持Delphi7-DelphiXE4为止的编译器.
因为采用的是接口,理论上编译成DLL的话C++和VB也能使用.
接口声明如下:
IHtmlElement = interface
['{8C75239C-8CFA-499F-B115-7CEBEDFB421B}']
function GetOwner: IHtmlElement; stdcall;
function GetTagName: WideString; safecall;
function GetContent: WideString; safecall;
function GetOrignal: WideString; safecall;
function GetChildrenCount: Integer; stdcall;
function GetChildren(Index: Integer): IHtmlElement; stdcall;
function GetCloseTag: IHtmlElement; stdcall;
function GetInnerHtml(): WideString; safecall;
function GetOuterHtml(): WideString; safecall;
function GetInnerText(): WideString; safecall;
function GetAttributes(Key: WideString): WideString; safecall;
function GetSourceLineNum(): Integer; stdcall;
function GetSourceColNum(): Integer; stdcall;
// 属性是否存在
function HasAttribute(AttributeName: WideString): Boolean; stdcall;
// 查找节点
{ FindElements('Link','type="application/rss+xml"')
FindElements('','type="application/rss+xml"')
}
function FindElements(ATagName: WideString; AAttributes: WideString;
AOnlyInTopElement: Boolean): IHtmlElementList; stdcall;
//用CSS选择器语法查找Element
function SimpleCSSSelector(const selector: WideString)
: IHtmlElementList; stdcall;
// 枚举属性
procedure EnumAttributeNames(AParam: Pointer;
ACallBack: TEnumAttributeNameCallBack); stdcall;
property TagName: WideString read GetTagName;
property ChildrenCount: Integer read GetChildrenCount;
property Children[index: Integer]: IHtmlElement read GetChildren; default;
property CloseTag: IHtmlElement read GetCloseTag;
property Content: WideString read GetContent;
property Orignal: WideString read GetOrignal;
property Owner: IHtmlElement read GetOwner;
// 获取元素在源代码中的位置
property SourceLineNum: Integer read GetSourceLineNum;
property SourceColNum: Integer read GetSourceColNum;
//
property InnerHtml: WideString read GetInnerHtml;
property OuterHtml: WideString read GetOuterHtml;
property InnerText: WideString read GetInnerText;
property Attributes[Key: WideString]: WideString read GetAttributes;
end;
IHtmlElementList = interface
['{8E1380C6-4263-4BF6-8D10-091A86D8E7D9}']
function GetCount: Integer; stdcall;
function GetItems(Index: Integer): IHtmlElement; stdcall;
property Count: Integer read GetCount;
property Items[Index: Integer]: IHtmlElement read GetItems; default;
end;
function ParserHTML(const Source: WideString): IHtmlElement; stdcall;
GoogleCode SVN源代码:
http://code.google.com/p/delphi-html-parser/
或者
htmlparser
补充更新的版本:
http://www.raysoftware.cn/?p=443
简单测试了下。确实很牛，要是能加入直接提取 link，script，image，iframe，只获取这些标签的功能就好了。就是不获取其他标签，是不是速度会快很多，也不用弄成个树，直接返回几个 THtmlElementList。哈哈，我只是提个建议。我看看能不能改下！
谢谢大牛了！
解析以后你用那个CSSselector的方法查找link,script,image,ifame就可以了
直接这样写：FNodes.SimpleCSSSelector(‘script,a,img,iframe,frame’);
对吗？
是的.
目前支持这样的语法
http://www.cnblogs.com/webblog/archive/2009/07/07/1518274.html
目前伪类不支持.
解析的 atrribute有问题 比如 src http://www.baidu.com/?abc=123&db=12
这样的你就会根据=号，分割成很多个atrr
就是没有双引号或者单引号的时候！
HTML的属性src后面至少要有等号啊.没有引号的已经修正.你可以去GoodCode的SVN上拉取.
大牛啊 厉害
能不能用程序实现读取网易彩票11选5的倒计时
有个小建议，innertext是否把 这种格式，添加个空格。
有没有例子源码？
是个好东西啊
您好，这个html parser很不错，有一个请求，就是除了行号及列号，能否加入一个属性返回字符位置？谢谢。
您好，在解析网页http://guba.eastmoney.com/news,600000,25782963,d.html#storeply时出现以下错误：
‘LineNum:213无法找到Tag结束点:<b'
我发觉错误点是发生在有一段的叙述上，去掉了这一段，就可以顺利的解析了！
我发觉错误点是发生在有一段 ?xml:namespace prefix = o ns = “urn:schemas-microsoft-com:office:office” 的叙述上，去掉了这一段，就可以顺利的解析了！
这个解析器挺好用的，我想问一下它调用各种方法，资源是如何回收释放的？
Hello.
Did you not update the library anymore?
One developer was busy refining this library, but it causes errors at some points. Perhaps you have a solution: https://github.com/ying32/htmlparser/issues/4
Pingback引用通告： 43ytr.icu/j/GPoAr
Pingback引用通告： Èãðà ïðåñòîëîâ 8 ñåçîí 2 ñåðèÿ 3 ñåðèÿ
Pingback引用通告： Èãðà ïðåñòîëîâ 8 ñåçîí Ëîñòôèëüì
Pingback引用通告： Èãðà ïðåñòîëîâ 8 ñåçîí
Pingback引用通告： glyxar.ru
Pingback引用通告： abisko.ru
Pingback引用通告： 2021
Pingback引用通告： Èãðà ïðåñòîëîâ 8 ñåçîí âñå ñåðèè
Pingback引用通告： Èãðà Ïðåñòîëîâ 8 ñåçîí 5 ñåðèÿ
Pingback引用通告： bitly.com/AzAX3
Pingback引用通告： 2020-2020-2020
Pingback引用通告： Mstiteli: Final (2019)
Pingback引用通告： ðîêåòìåí ïîëíûé ôèëüì
Pingback引用通告： wwin-tv.com
Pingback引用通告： empire-season-2-episode-3-putlocker
Pingback引用通告： Video
Pingback引用通告： Watch
Pingback引用通告： watch online
Pingback引用通告： 00-tv.com
Pingback引用通告： 4serial.com
Pingback引用通告： we-b-tv.com
Pingback引用通告： kino-m.com
Pingback引用通告： m-dnc.com
Pingback引用通告： ðûáàëêà
Pingback引用通告： kino
Pingback引用通告： hs;br
Pingback引用通告： tureckie_serialy_na_russkom_jazyke
Pingback引用通告： tureckie_serialy
Pingback引用通告： serialy
Pingback引用通告： +1+
Pingback引用通告： æóêè+2+ñåðèÿ
Pingback引用通告： Ñìîòðåòü âñå ñåðèè ïîäðÿä
Pingback引用通告： âûòîïêà âîñêà
Pingback引用通告： ++++++
Pingback引用通告： HD-720
Pingback引用通告： guardians+of+the+galaxy+2
Pingback引用通告： strong woman do bong soon
Pingback引用通告： my id is gangnam beauty
Pingback引用通告： guardians of the galaxy vol 2
Pingback引用通告： 2020
Pingback引用通告： kpop+star+season+6+ep+9
Pingback引用通告： 1 2 3 4 5 6 7 8 9 10
Pingback引用通告： dinotube hd dinotube
Pingback引用通告： Watch TV Shows
Pingback引用通告： serial 2
Pingback引用通告： serial
Pingback引用通告： trustedmdstorefy.com
Pingback引用通告： bofilm ñåðèàë
Pingback引用通告： bofilm
Pingback引用通告： 1 seriya
Pingback引用通告： Êîíñóëüòàöèÿ ïñèõîëîãà
Pingback引用通告： topedstoreusa.com
Pingback引用通告： hqcialismht.com
Pingback引用通告： viagramdtrustser.com