轮子：用于分析Lingoes结果的HTML解析对象（二）

今天才有时间继续写HTML解析对象的查找部分代码。代码如下，下次再整理～

CDocumentObject类，增加了两类查询函数，一种用于从根部开始的遍历性查询，另一种则是指定Tag范围内查询。

class CDocumentObject

{

protected:

static const char TAG_LT = '<';

static const char TAG_GT = '>';

static const char TAG_SLASH = '/';

static const char TAG_BSLASH = '\\';

static const char TAG_AND = '&';

typedef std::vector<CParserData> TDataVector;

typedef std::stack<CParserData> TDataStack;

struct TNodeData

{

size_t level;

CParserData tag;

CParserData value;

// CParserData end;

};

typedef std::deque<TNodeData> TNodeQueue;

public:

typedef std::stack<const CElementObject*> TElementStack;

public:

CDocumentObject();

virtual ~CDocumentObject();

int Load(const std::string& str);

const CElementObject* Root() const;

const CElementObject* FindFirstElement(const std::string& tag);

const CElementObject* FindNextElement();

const CElementObject* FindFirstElement(const CElementObject* element, const std::string& tag, TElementStack& tmpstack);

const CElementObject* FindNextElement(const CElementObject* element, const std::string& tag, TElementStack& tmpstack);

const CAttributeObject* FindAttribute(const CElementObject* element, const std::string& attr);

void Show(std::ostream& os) const;

protected:

int PreProcess(const std::string& str, std::string& html);

int PreParser(const std::string& html, TNodeQueue& vct);

int Parser(const std::string& html, TNodeQueue& que);

private:

int PreParserLT(const std::string& html, std::string::size_type& pos, CParserData& data);

int PushValueData(const CParserData& data, TDataStack& datastack) const;

int PushTagData(const std::string& html, const CParserData& data, TDataStack& datatstack, TNodeQueue& nodeque) const;

int CheckSpecialTag(const std::string& html, const CParserData& data) const;

int CheckTag(const std::string& html, const CParserData& tag, const CParserData& end) const;

CElementObject* MakeElement(const std::string& html, const TNodeData& node, CElementObject* parent, CElementObject* sibling) const;

void CDocumentObject::ShowElement(std::ostream& os, const CElementObject* e) const;

void FreeElement(CElementObject* root);

const CElementObject* FindElement(const CElementObject* root, const CElementObject* pe, const std::string& tag, TElementStack& stack);

private:

CElementObject* _root;

private:

std::string _findtag;

TElementStack _findstack;

};

实现代码如下：

const CElementObject* CDocumentObject::FindFirstElement(const std::string &tag)

{

if(_root == NULL)

return NULL;

_findtag = tag;

while(!_findstack.empty())

_findstack.pop();

return FindElement(NULL, _root, _findtag, _findstack);

}

const CElementObject* CDocumentObject::FindNextElement()

{

if(_findstack.empty())

return NULL;

return FindElement(NULL, _findstack.top()->child, _findtag, _findstack);

}

const CElementObject* CDocumentObject::FindFirstElement(const CElementObject* element, const std::string& tag, TElementStack& tmpstack)

{

if(element == NULL)

return NULL;

while(!tmpstack.empty())

tmpstack.pop();

return FindElement(element, element, tag, tmpstack);

}

const CElementObject* CDocumentObject::FindNextElement(const CElementObject* element, const std::string& tag, TElementStack& tmpstack)

{

if(tmpstack.empty())

return NULL;

return FindElement(element, tmpstack.top()->child, tag, tmpstack);

}

const CElementObject* CDocumentObject::FindElement(const CElementObject* root, const CElementObject* pe, const std::string& tag, TElementStack& stack)

{

while(pe != NULL)

{

stack.push(pe);

if(pe->tag == tag)

return pe;

pe = pe->child;

}

while(!stack.empty() && stack.top() != root && pe == NULL)

{

pe = stack.top()->sibling;

stack.pop();

}

if(pe == NULL)

return NULL;

return FindElement(root, pe, tag, stack);

}

const CAttributeObject* CDocumentObject::FindAttribute(const TinyHtmlParser::CElementObject *element, const std::string &attr)

{

if(element == NULL)

return NULL;

const CAttributeObject* pa = element->attrib;

while(pa != NULL)

{

if(pa->attr == attr)

return pa;

pa = pa->next;

}

return pa;

}

先不关心性能和繁琐性，能写成这样已经累的我半死了。。。通过写这个功能，发现自己对于算法的设计不能一步到位，实现过程中总是有这样或哪样的地方没有考虑到，整个对象简直就是测试出来的。。。还好一条路不通，能马上换一条，还好敲字快，能马上再敲一边。。。

下面是测试代码：

const CElementObject* pe = doc.FindFirstElement("TABLE");

while(pe != NULL)

{

pe->Show(std::cout);

CDocumentObject::TElementStack tmp;

const CElementObject* p = doc.FindFirstElement(pe, "DIV", tmp);

while(p != NULL)

{

p->Show(std::cout);

p = doc.FindNextElement(pe, "DIV", tmp);

}

pe = doc.FindNextElement();

}

－－－－－－－－－－－－－－－－－－－－

[3]Tag : TABLE

attr : onselectstart -- value = "return true"

attr : id -- value = dict_head_E1C27E806399D047822B6650194A3D32

attr : cellSpacing -- value = 0

attr : cellPadding -- value = 0

attr : border -- value = 0

[7]Tag : DIV

attr : onmouseup -- value = "this.className='btn2_mouse_up'"

attr : class -- value = btn2_mouse_out

attr : onmousedown -- value = "this.className='btn2_mouse_down'"

attr : id -- value = dict_title_E1C27E806399D047822B6650194A3D32

attr : onmouseover -- value = "this.className='btn2_mouse_over'"

attr : title -- value = "Dictionary Menu"

attr : style -- value = "MARGIN: 0px 3px 1px 0px"

attr : onclick -- value = "window.navigate('app://dictmenu/E1C27E806399D047822B6650194A3D32-2')"

attr : onmouseout -- value = "this.className='btn2_mouse_out'"

[7]Tag : DIV

attr : style -- value = "OVERFLOW: hidden; WIDTH: 10px; CURSOR: hand; MARGIN-RIGHT: 2px; HEIGHT: 10px"

posted on 2010-02-22 18:32 codejie 阅读(254) 评论(0) 编辑收藏引用所属分类: C++ 、轮子精神

只有注册用户登录后才能发表评论。


相关文章: C++: c++ wrap for libpq Why the inline function can not be covered? LingosHook : Development Environment Setup LingosHook : HTML Data in Android Client LingosHook: CDocumentOutputObject LingosHook : Optimize TinyHtmlParser Class OCI : do NOT debug on TWO different windows LingosHook：Lingoes生词本第二十五版 LingosHook：1.4.000 and gettext wxWidget：Catch KEY event of wxStaticBitmap.

网站导航: 博客园 IT新闻 BlogJava 知识库博问管理

Codejie's C++ Space

轮子：用于分析Lingoes结果的HTML解析对象（二）

公告

导航

统计

留言簿(73)

随笔分类(513)

积分与排名

最新评论

阅读排行榜

评论排行榜