htmlparser.h (低機能HTML/XMLパーサ)

コンパクトなHTML/XHTMLパーサです．いい加減なレイアウトエンジンも搭載． Nintendo DS用のブラウザを作ったときの残骸です．

文字のエンコーディングの処理の分離がまだ不完全． 内部エンコーディングはUNICODEで作ってましたが， テストしやすいようにSJISでも動くようにしてあります．

誰か，綺麗に書き直してください．

encode.hが必要です．

サンプル

#include <string>
#include <iostream>
#include "htmlparser.h"
using namespace std;

ostream & operator <<(ostream &os,const wstring &ws){
	
	std::string s;
	os << Encode::stringEncode_SJIS(s,ws.begin(),ws.end());
	return os;
}

void dumpDomTree(HTML::Element *e,int d=0)
{
	for (int i=0;i<d;i++)
		cout << "  " ;
	cout << e->tagName ;
	if (e->nodeType==3) {
		cout << "[" << ((HTML::TextNode*)e)->text << "]";
	}
	cout << endl ;
	if (e->isContainer()) {
		HTML::Container *e2 = (HTML::Container*)e; 
		unsigned int i;
		for (i=0;i<e2->childNodes.size();i++) {
			dumpDomTree(e2->childNodes[i],d+1);
		}
	}
}

int main(int argc,char *argv[])
{
	string s =
		"<html>"
			"<head><title>タイトル</title></head>"
			"<body>"
				"<h2 id='testid'>head</h2>"
				"<p>aaa<a href='aaa.html' name=\"abcd\">linkあああ</a></p>"
				"sss<hr />aa"
			"</body>"
		"</html>";

	HTML::Document document;
	document.parse(s);
	dumpDomTree(&document);

	HTML::Element *e = document.getElementById("testid");
	if (e) {
		cout << "testid: " << e->tagName << " " << e->getInnerText() << endl;
	}

	HTML::NodeList list;
	if (document.getElementsByName(list,"abcd").size()){
		cout << "abcd: " << list[0]->tagName << " " << list[0]->getInnerText() << endl;
	}

	return 0;
}

API

極一部だけですが，DOMっぽいAPIが用意されています．

• Element.getTagName()
• Element.getInnerText()
• Element.getElementsByTagName(vector<Element*> &list, string tagname)
• Element.getElementsByClassName(vector<Element*> &list, string tagname)
• Container.appendChild(Element *e)
• Document.getElementById(string id)
• Document.createElement(string tagname)
• Document.parse(string html)

パーサのつもりで作ったので，削除系のメソッドがありません． 気が向いたらDOM1.0相当にします．