1回答
我希望为HTML获得一个C++解析器，但似乎只有c++解析器，各种来源都暗示了一个事实，即xml解析器可以解析c++，但我找不到任何具体的信息，说明XML可以解析html。
如果您可以用它来解析HTML，为什么如果它们是不同的语言，而我不认为html是XML的子集，为什么会这样呢？
浏览 6提问于2015-11-19得票数 1
回答已采纳
问:这是将HTML解析成plist的合适方式吗？
我需要从下面的html中提取信息。HTML一直都是这种风格。HTML的第一个块是区段标题，第二部分是区段内容。这些部分可以有任意数量的内容。
这是HTML。
<td class="boxcontainer">
<div class="">
<div class="titlebox" id="">
<div class="titlebox-title">
<span class="widge
浏览 0提问于2010-02-08得票数 1
2回答
在解析HTML或XML文件后，我们可以得到DOM树。
在解析C、C++或JavaScript之后，我们可以得到语法树。
注意，语法树是基于上下文无关文法构建的，它指定了有效的C/C++/JS程序。
但看起来DOM树只是一个纯层次结构，仅由HTML/XML文件指定。这是真的吗？这就是在解析之后进行模式验证的原因吗？这两种解析树的根本区别是什么？
浏览 5提问于2012-05-16得票数 3
回答已采纳
我试图使用NLTK库来训练数据。我一步一步地走下去。我完成了第一步，但是在执行第二步时，我得到了以下错误：
TypeError: a bytes-like object is required, not 'list'
我尽了最大努力去纠正它，但我又犯了同样的错误。
这是我的代码：
from bs4 import BeautifulSoup
import urllib.request
response = urllib.request.urlopen('http://php.net/')
html = response.read()
soup = Beauti
浏览 9提问于2018-01-10得票数 4
回答已采纳
1回答
使用perl中的RDF::RDFa::Parser模块解析出网站的rdf数据。在带有!DOCTYPE html PUBLIC“-/W3C//DTD HTML 4.01过渡//EN”>的网站上，它可以工作，但在使用xhtml !DOCTYPE HTML PUBLIC "-//W3C//DTD XHTML1.0过渡//EN“"">的网站上没有输出...
测试网站->
use RDF::RDFa::Parser;
my $url = 'http://www.filmstarts.de/kritiken/186918.html';
浏览 9提问于2013-12-25得票数 2
2回答
用C++提取HTML标记
、、、、
我目前正在为搜索引擎编写一个用C++编写的爬虫，爬虫将获得一个HTML文件列表，并需要提取HTML标记并将它们放入文件中。
我听说过使用XML解析器，但我不知道如何将HTML文件转换为XHTML，此外，从性能上看，转换到XHTML是很昂贵的。C++中的html解析器几乎不存在。
第三种方法是使用boost regex从HTML文件中提取这些标记，但是我需要提取所有的标记(p，h1，h2，a.)所以做起来有点太长了。
对于如何在C++中获取HTML标记，还有其他解决方案吗？
浏览 5提问于2014-04-23得票数 2
回答已采纳
我的任务是在html中查找图像urls。
问题
Html解析器golang.org/x/net/html以及github.com/PuerkitoBio/goquery igonores -页面上最大的图像
问题
我的代码有什么问题？
为什么需要使用img标记的src=""会被忽略？
有办法用go从html中获取所有图像吗？
备注：
当我使用时，这个图像已经在//static2.ozone.ru/multimedia/spare_covers/1013531536.jpg页面上找到了
当我使用regex搜索时，已经找到了这个图像标记。
当我使用第
浏览 7提问于2016-07-10得票数 3
回答已采纳
1回答
我使用C#来获得一个html页面，不过，就像隔离一个div指定的一样。
<div class="row row-dia-obituario">
我使用这段代码来获取html，它带来了页面的完整html
request = (HttpWebRequest)WebRequest.Create("https://pt.wikipedia.org/wiki/Wikip%C3%A9dia:P%C3%A1gina_principal");
request.Proxy = webProxy;
request.Timeout = 20000;
request.Met
浏览 3提问于2016-11-01得票数 0
回答已采纳
6回答
我一直在编写一些代码，以便从Java中的一些页面中获取一些数据，而Jsoup是最佳使用库之一。但是，不幸的是，我不得不将整个代码移植到C/C++。但我在c++上找不到合适的html解析器。是否有类似于C++的库，或者如何实现类似的结果？
目前，我正在使用Curl获取页面的来源，并在internet上漫游以找到html解析器。
浏览 10提问于2013-07-29得票数 19
回答已采纳
1回答
用Stax进行DTD解析
、、、
我想解析声明HTML4.01文档类型的xml文件。
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd">
<html>
[...]
</html>
我使用Stax和XMLResolver来加载本地dtd。
XMLInputFactory xmlInputFactory = XMLInputFactory.newInstance();
xmlInputFactory.setXMLResolver(new
浏览 2提问于2013-10-07得票数 1
回答已采纳
我想通过XPath在C++中通过LibXml2获得LibXml2的HTML标记，但是在HTML中有很多div标记时，它什么也找不到。当我放置类似/html/body/div[1]/div/div的东西时，它甚至会崩溃。
htmlParserCtxtPtr parse_ctx = htmlCreateMemoryParserCtxt(resp.text.c_str(), resp.text.size());
if (!parse_ctx) {
std::cout << "Error!" << std::endl;
return;
}
xmlXPa
浏览 1提问于2022-02-19得票数 0
<html>
<head>
<script type="text/javascript">
document.write('<a href="http://www.google.com">f*** js</a>');
document.write("f*** js!");
</script>
</head>
<body>
<script type="text/javascript&#
浏览 1提问于2010-12-28得票数 2
回答已采纳
我正在编写一个浏览器的应用程序，需要解析html。我的解决方案是逐个读取字符并构建页面结构函数，例如，当我读取<div class="c10 c20">bold words</div>时，div中的所有单词都将在类c10，c20中绘制属性，但问题是div有两个类，两个位置定义为流动：
<html>
<head>
<style type="text/css">
.c10
{
font-size:10px;
}
</style>
</head>
<body>
&
浏览 0提问于2015-09-03得票数 0
1回答
使用这个regex表达式：
preg_replace( '/<!--(?!<!)[^\[>].*?-->/', '', $output )
我可以从我的页面中删除所有HTML注释，但如下所示的内容除外：
<!--[if IE 6]>
Special instructions for IE 6 here
<![endif]-->
我如何修改它以排除HTML注释，其中包括一个独特的短语，如"batcache"？
因此，HTML注释如下：
<!--
generated 37 seconds
浏览 3提问于2015-02-11得票数 2
回答已采纳
1回答
我将httpd.conf更改如下：
已替换
DocumentRoot "C:/Program (x86)/Apache软件基金会/Apache2.2/htdocs“
使用
DocumentRoot“C:/Temp/WebServerCore/二进制文件/html”
已替换
<Directory "C:/Program (x86)/Apache /Apache2.2/htdocs“>
使用
<Directory“C:/Temp/WebServerCore/二进制文件/html”>
但是，Apache不识别我的.html文件中的php代码。为
浏览 1提问于2013-06-18得票数 0
我正在编写一个简单的脚本来从中获取大的灰色表格。
我拥有的代码如下：
import urllib2
from lxml import etree
html = urllib2.urlopen("http://www.afi.com/100years/movies10.aspx").read()
root = etree.XML(html)
但我在最后一条语句中得到了一个错误。
Traceback (most recent call last):
File "D:\Workspace\afi100\afi100.py", line 13, in <m
浏览 2提问于2010-12-07得票数 3
回答已采纳
2回答
我正在试验，这是一个基于漂亮的汤库的新的python库。在一些帮助下，我在django应用程序中返回了一个html页面，但我想不出如何去掉标签，只给我文本。我的django应用程序包含：
def index(request):
from django.utils.html import strip_tags
p=str(request.POST.get('p', False)) # p='https://www.yahoo.com/'
browser = RoboBrowser(history=True)
browser
浏览 1提问于2014-05-01得票数 0
回答已采纳
我有一个ASP.NET CMS，它使用。它创建了干净的典型HTML。图像标记通常是相对的(尽管有人可以添加绝对的--如果他们愿意的话)。
我现在想为HTML提供服务--但是使用Base64 URI将所有图像数据嵌入到HTML中。(例如：<img src="data:image/gif;base64, jdjdheueofkfl...">)一切都在飞行中。
服务器端使用C#
我猜：
解析IMG标记的HTML
对于每个加载文件，ConvertBase64，重写SRC
发球绳
问题是：
我是不是缺少了一些简单的c# EncoderAsEmbededBa
浏览 3提问于2011-06-26得票数 1
回答已采纳
有人知道如何将双精度类型的值从html文本框存储到c#变量中吗？我有一个Id为txtCost的html文本框，它将包含双精度值。提前谢谢。
浏览 0提问于2013-07-09得票数 0
我很难得到一个网站生成的HTML。HTML包含一些未关闭的标记。
例如：
<div>
<li>
<div>
<div>
test
</div>
<li>
<div>
test
</div>
解析HTML：
html = Nokogiri::HTML(open('origin.html'))
在以下方面的成果：
或者，在HTML中：
<!DOCTYPE html PUBLI
浏览 2提问于2015-09-15得票数 3
回答已采纳
我有一个复选框和一个文本输入。我希望只有在选中复选框时才启用文本输入。我找到了这个问题的答案，但以下代码不起作用：
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd">
<html lang="en">
<head>
<meta http-equiv="content-type" content="text/html; charset=utf
浏览 0提问于2015-03-29得票数 0
我是Spring的新手，我坚持将数据从jsp传递给控制器，这里有一个清单页面，允许用户单击主键，然后这个主键应该传递给控制器，以检测用户进入查看页面的请求。
我的清单jsp如下所示
<%@ page language="java" contentType="text/html; charset=ISO-8859-1"
pageEncoding="ISO-8859-1"%>
<%@ taglib uri="http://java.sun.com/jsp/jstl/core" prefix="
浏览 2提问于2014-09-03得票数 0
回答已采纳
2回答
我有html页面.I想要从不同的索引中获取图像名称遍历整个page.My HTML页面是：
<html manifest="everything-offline.manifest">
<head>
<title>Column Test</title>
<meta name="viewport" content="user-scalable=no, initial-scale=1.0, maximum-scale=1.0" />
<meta http-equiv="
浏览 2提问于2012-12-10得票数 1
我正在提取HTML元素属性的值。但是该属性本身包含另一个HTML元素。那么，我是否可以从该属性中提取HTML元素值呢？
这是元素
<div data-content="<i>10%</i><b>C</b>"></div>
我试图得到<b>C</b>内部的值，也就是C
我尝试了以下xpath：
//div/@data-content
不管怎么说，请帮忙。
浏览 0提问于2019-04-25得票数 1
回答已采纳
有没有办法使用BeautifulSoup从HTML文件中获取CSS类？示例代码片段：
<style type="text/css">
p.c3 {text-align: justify}
p.c2 {text-align: left}
p.c1 {text-align: center}
</style>
完美的输出应该是：
cssdict = {
'p.c3': {'text-align': 'justify'},
'p.c2': {'text-alig
浏览 0提问于2012-07-16得票数 8
回答已采纳
请注意，我在这里使用的是.NET正则表达式引擎
这里是解析字符串:
<div class="c411Listing" onmouseover="ResidentialListings.enhanceListing(this, 1);" onmouseout="ResidentialListings.degradeListing(this, 1);">
<div id="Contact1" class="listingDetail">
<span id
浏览 0提问于2013-12-08得票数 0
1回答
我目前正在使用下面提到的代码从web中提取数据，代码是从web提取数据没有任何问题，现在我想提取相同的数据在json format.My代码是给定的below.My页面usrl下面的
Set Ie = CreateObject("InternetExplorer.Application")
Ie.Visible = True
Ie.navigate "https://www.amazon.com/s?crid=AQO8JFH64H82&i=merchant-items&k=socks&me=A29M0OOY4LPNOT&qid=16353
浏览 1提问于2021-10-28得票数 0
1回答
如何为WDI编写野牛语法？
、、、、
我需要一些关于野牛语法的帮助。
从我的另一个问题:我正在尝试开发一种元语言来编写标记代码(如xml和html)，这些代码可以直接嵌入到C/C++代码中。这里有一个用这种语言编写的简单示例，我称之为WDI ()：
/*
* Simple wdi/html sample source code
*/
#include <mySite>
string name = "myName";
string toCapital(string str);
html
{
head {
title { mySiteTitle; }
link(rel
浏览 2提问于2010-05-27得票数 2
回答已采纳
我有一个具有以下内容的xml.etree.ElementTree对象。
<html>
<body>
<c>
<winforms>
<type-conversion>
<opacity>
</opacity>
</type-conversion>
</winforms>
</c>
</body>
</html>
<html>
<body>
<css>
浏览 1提问于2016-02-20得票数 0
回答已采纳
我正在试图找出python，但遇到了一个特殊的问题。我安装了以下库版本：
libxml2 : 2.7.8
libxslt : 1.1.26
当我运行以下代码时：
html = open('file.html', 'r')
context = etree.iterparse(StringIO(html), events=("start", "end"), html='true')
for event, element in context:
#do stuff
编辑：
结果发现这是一个解析错误
浏览 2提问于2011-12-29得票数 3
回答已采纳
2回答
我有以下字符串
string myHtml="<input type='text' value='123' class='myClass'></input>";
我想读取myHTML或将其转换为某种C# HTML对象，这样我就可以执行以下操作：
DesiredHTMLClass obj=new DesiredHTMLClass(myHTML);
string val=obj.value; //Would return 123
string mClass=obj.class
浏览 4提问于2012-03-27得票数 0
2回答
我在Windows10上使用Java11 (AdoptOpenJDK 11.0.52019-10-15)。我正在解析一些遗留的XHTML1.1文件，这些文件采用以下一般形式：
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.1//EN" http://www.w3.org/MarkUp/DTD/xhtml11.dtd">
<html xmlns="http://www.w3.org/19
浏览 1提问于2020-03-09得票数 4
我正在尝试制作一种元语言，用于编写标记代码(例如xml和html)，可以直接嵌入到C/C++代码中。这是一个用这种语言编写的简单示例，我称之为WDI (Web开发接口)：
/*
* Simple wdi/html sample source code
*/
#include <mySite>
string name = "myName";
string toCapital(string str);
html
{
head {
title { mySiteTitle; }
link(rel="stylesheet"
浏览 0提问于2010-05-21得票数 8
回答已采纳
我正在尝试使用C# XElement来解析html。在HTML中，src属性具有urls和包含?的查询字符串。有没有可能让它们成为可解析的？
浏览 0提问于2013-08-30得票数 0
(如果您没有耐心，只需跳到底部的“摘要”部分)
尝试用正则表达式("regexes")解析是个坏主意，这是开发人员社区中的问题。引用
因此，虽然我可能尝试使用正则表达式解析HTML，但我知道：
这通常是个坏主意。
除非您有纪律，并对您所做的工作设置了非常严格的条件，否则HTML与正则表达式的匹配将迅速演变为疯狂，这正是Cthulhu所喜欢的。
我认为在这个特定场景中选择正则表达式有好的、合理的、(半)的理由。
Regexes对HTML解析不利的原因
似乎属于这些类别的一些原因如下：
，因为有已知的。
Regexes没有正确处理无效的HTML
浏览 9提问于2014-03-22得票数 0
1回答
我搞不懂围城在罩下干什么。我不时地使用围城来为我的web服务创建一些流量。今天我注意到围城比我想象的要多。
我用围攻作为
siege -c 1 -t 5s http://www.github.com/index.html
我希望只看到一个使用'index.html‘HTML资源的响应。但我却得到了
** SIEGE 4.0.2
** Preparing 1 concurrent users for battle.
The server is now under siege...
HTTP/1.1 301 0.22 secs: 0 bytes ==> GET
浏览 3提问于2017-02-07得票数 0
回答已采纳
html5不像xml那么严格，所以即使这个糟糕的文件也会被w3c html5 验证。
<!doctype html>
<title>crappy html5</title>
<div class=dummy>
<h1>crappy html5</h1>
<p class=noclosetag>HTML5 is awesome
<ol class=navigator>
<li><a href=/>index</a>
<li><a href=/use
浏览 0提问于2018-11-02得票数 0
回答已采纳
我确实搜过了，什么也没找到，所以我在这里问。
最近，我参与了一个grails项目，其中嵌套的html模板形成了用于电子邮件的html代码，如下例所示，其中每个DOCTYPE+Style对应于根据业务规则使用的不同模板：
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN">
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
<style type="tex
浏览 4提问于2022-09-13得票数 0
回答已采纳
1回答
我有来自数据库的HTML内容，这些内容被渲染到网页上(比如CMS)。在HTML内容中，我希望在图像和链接的路径中允许~/让系统解析let，那么有什么有效的方法可以做到这一点呢？我将在web forms和MVC中使用这个C#。谢谢你的帮助和建议。
浏览 1提问于2011-07-30得票数 0
回答已采纳
3回答
我正在使用Saxon和XSLT来转换HTML文档，但我无法控制这些文档。
这些文档可能包含真正应该编码的字符，例如
™
而不是编码的
™
现在，撒克逊在转换过程中从抛出了以下异常
else if (c >= 127 && c < 160) {
// these control characters are illegal in HTML
DynamicError err = new DynamicError(
浏览 0提问于2010-12-14得票数 1
回答已采纳
大家好，我是android应用程序的新手，我已经使用POST方法发出了web请求，并得到了在logcat.The中显示的html响应页面包含表，我需要从该表中检索1,4,5,7列数据并将每列数据存储在一个数组中。下面是表格数据的html源代码。请有人给我提供示例代码，以便我可以检索列数据，并在列表中显示。感谢任何与此相关的回复。
< html>< head>
< meta http-equiv="Content-Type" content="text/html; charset=UTF-8"
< /head>
&
浏览 0提问于2011-09-07得票数 0
3回答
间隔输出美汤
、、、
我正在试着删除一个网站的内容。然而，在输出中，im得到了不需要的空格，因此im无法解释此输出。我正在使用一个简单的代码：
import urllib2
from bs4 import BeautifulSoup
html= 'http://idlebrain.com/movie/archive/index.html'
soup = BeautifulSoup(urllib2.urlopen(html).read())
print(soup.prettify(formatter=None))
输出：：(输出非常大，所以只是其中的一小部分，以便理解我面临的问题)
浏览 2提问于2012-12-27得票数 2
1回答
这是我的第一篇帖子，如果我做错了，我很抱歉，但我们现在开始：
我一直在致力于一个项目，应该从一个网站的价值刮。这些值是javascript数组中的变量。我使用的是，它适用于普通脚本，而不是存储在CDATA块中的脚本。因此，我正在寻找一种在CDATA块中刮取数据的方法。不幸的是，我所能找到的所有帮助都是针对XML文件的，而且我正在从HTML文件中抓取。
我试图刮的javascript如下所示：
<script type="text/javascript">
//<
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
