parsowanie HTML na iPhonie [zamknięte]

Okazało się, że użycie hpple jest całkiem przydatne do analizy niechlujnego HTML. Hpple project to Objective-C w bibliotece xpathquery do przetwarzania HTML. Za jego pomocą możesz wysłać zapytanie XPath i otrzymać wynik .

Wymagania :

- Dodaj libxml2 includes do swojego projektu

1. Menu Projekt - > Edytuj Ustawienia Projektu
2. wyszukaj ustawienie "ścieżki wyszukiwania nagłówka"
3. Dodaj nową ścieżkę wyszukiwania "${SDKROOT} / usr / include / libxml2 "
4. Enable opcja rekurencyjna

- Dodaj bibliotekę libxml2 do swojego projektu

1. Menu Projekt - > Edytuj Ustawienia Projektu
2. wyszukaj ustawienie "inne flagi linkera"
3. Dodaj nową flagę wyszukiwania "- lxml2 "

- From hpple get the following source code files and add them to your projekt:

1. TFpple.h
2. TFpple.m
3. TFppleElement.h
4. TFppleElement.m
5. XPathQuery.h
6. XPathQuery.m

- Wybierz się na spacer po W3School XPath Tutorial aby poczuć się komfortowo z językiem XPath.

Przykład Kodu

#import "TFHpple.h"

NSData *data = [[NSData alloc] initWithContentsOfFile:@"example.html"];

// Create parser
xpathParser = [[TFHpple alloc] initWithHTMLData:data];

//Get all the cells of the 2nd row of the 3rd table 
NSArray *elements  = [xpathParser searchWithXPathQuery:@"//table[3]/tr[2]/td"];

// Access the first cell
TFHppleElement *element = [elements objectAtIndex:0];

// Get the text within the cell tag
NSString *content = [element content];  

[xpathParser release];
[data release];

Znane problemy

Ponieważ hpple jest wrapperem nad XPathQuery, który jest innym wrapperem, ta opcja prawdopodobnie nie jest najbardziej wydajna. Jeśli wydajność jest problem w Twoim projekcie, polecam zakodować własne lekkie rozwiązanie oparte na kodzie biblioteki hpple i xpathquery.

Na wypadek, gdyby ktoś znalazł się tutaj przez googlowanie dla ładnego parsera XPath i poszedł i użył TFHpple, zauważ, że TFHpple używa XPathQuery. To jest całkiem dobre, ale ma wyciek pamięci.

W funkcji * PerformXPathQuery, jeśli węzły zostaną znalezione jako zerowe, wyskakuje przed czyszczeniem.

Więc gdzie widzisz ten bit kodu: Dodaj w dwóch liniach czyszczenia.

  xmlNodeSetPtr nodes = xpathObj->nodesetval;
  if (!nodes)
    {
      NSLog(@"Nodes was nil.");
        /* Cleanup */
        xmlXPathFreeObject(xpathObj);
        xmlXPathFreeContext(xpathCtx);
      return nil;
    }

Jeśli robisz dużo parsowania, jest to złośliwy wyciek. Teraz.... jak odzyskać noc: -)

Napisałem lekki wrapper wokół libxml, który może się przydać:

Objective-C-HMTL-Parser

To prawdopodobnie zależy od tego, jak brudny jest HTML i co chcesz wyodrębnić. Ale zazwyczaj Tidy robi całkiem dobrą robotę. Jest napisany w C i myślę, że powinieneś być w stanie zbudować i statycznie połączyć go dla iPhone ' a. Możesz łatwo zainstalować wersję wiersza poleceń i najpierw przetestować wyniki.

Możesz chcieć sprawdzić ElementParser. Zapewnia" wystarczająco " parsowanie HTML i XML. Ładne interfejsy sprawiają, że chodzenie po dokumentach XML / HTML jest bardzo proste. http://touchtank.wordpress.com/

Co powiesz na użycie komponentu Webkit i ewentualnie pakietów innych firm, takich jak jquery, do takich zadań? Czy nie byłoby możliwe pobranie danych html w niewidocznym komponencie i skorzystanie z bardzo dojrzałych selektorów frameworków javascript?

Google GData Objective-C API reimplements NSXMLElement i inne powiązane klasy, które Apple usunął z iPhone SDK. Znajdziesz go tutaj http://code.google.com/p/gdata-objectivec-client / . używałem go do obsługi wiadomości przez Jabbera. Oczywiście, jeśli twój HTML jest zniekształcony (brakuje tagów zamykających), może to niewiele pomóc.

Używamy Convertigo do analizy HTML po stronie serwera i zwracania czystych i schludnych usług internetowych JSON do naszych aplikacji mobilnych