HTML парсер на С++

@SkYMaaN · Регистрация: 05.04.2019

Студворк — интернет-сервис помощи студентам

Добрый день, подскажите удобную библиотеку для парсинга страниц с текстовой информацией.

Nishen · 07.10.2020, 13:00

gumbo-parser & gumbo-query

@SkYMaaN · 07.10.2020, 13:20 **[ТС]**

Добрый день, подскажите удобную библиотеку для парсинга страниц с текстовой информацией.

Nishen · 07.10.2020, 13:24

HTML парсер на С++

Много тем еще создашь?

@SkYMaaN · 07.10.2020, 15:31 **[ТС]**

Сообщение от Nishen

Много тем еще создашь?

баг форума - продублировало сообщение

@JeyCi · 07.10.2020, 20:49

если умеете писать "регулярные выражения" - <regex>

@SkYMaaN · 07.10.2020, 21:42 **[ТС]**

Столкнулся с проблемой. Скачал библиотеку "gumbo-parser", но не могу найти заголовочные файлы в библиотеке, все папки пролистал. ht tps://gith ub.com/go ogle/gumbo-parser
Хотя в примере использования ( ht tps://ha br.com/ru/po st/280 270/ ) - есть соответствующие инклуды.
Что я упустил?

Nishen · 08.10.2020, 11:26

Сообщение от JeyCi

если умеете писать "регулярные выражения"

Да, и сколько времени у тебя уйдет на более-менее нормально работающий парсер при написании с нуля?

Добавлено через 37 секунд

Сообщение от SkYMaaN

Скачал библиотеку "gumbo-parser", но не могу найти заголовочные файлы в библиотеке

https://github.com/google/gumb... master/src

@GbaLog- · 08.10.2020, 11:31

Сообщение от JeyCi

если умеете писать "регулярные выражения" - <regex>

https://stackoverflow.com/ques... 54#1732454

@JeyCi · 08.10.2020, 12:37

да видела я уже ваши "нормально" и "не нравятся регулярки"... поэтому и написала "если умеете" - то ничего сложного в C++, т.к. регулярки универсальны - можно использовать во многих языках... для меня - это всегда быстрее - поменять регулярку, чем создавать большие проекты (ради того чтобы вытянуть нужную инфо с html)... не работаю с десятками миллионов строк, да и страница html не такая уж большая... не интересен ваш холивар - но regex всегда удобный рабочий инструмент, причём для многих языков - для кода на скорую руку - вообще Perfecto

Добавлено через 1 минуту
а выбиратьТСу - я его тз не изучала...

Добавлено через 20 минут
P.S.
пример простого паттерна регулярного выражения для парсинга json (когда не надо соблюдать структуру "дерева")

Code
1
RegExp.Pattern = "" & Chr(34) & "(.+?)" & Chr(34) & ":(.+?),"   'берёт каждый элемент (key & item) отдельно из json-структуры

быстро и кратко... (правда с vba кода, chr'ы на c++ несложно заменить на нужное)
регулярки для html'ов не сложнее... если один раз научиться писать паттерны - во многих языках спасёт

Добавлено через 12 минут
только предварительно html зачищаю от рабочих символов (в vba так)

Code
1
2
3
4
    S = Replace(S, Chr(34), "")
     S = Replace(S, Chr(10), "")
    S = Replace(S, Chr(9), "")
    S = Replace(S, Chr(32), "")

остальное парсится регуляркой

Добавлено через 9 минут
не универсальноЙ - но под конкретную страницу конкретной структуры за нужной инфо - создать нужную регулярку - мне универсальный парсер и не нужен... и многа кода тем более не надо иногда (когда основные задачи шире)

@Avazart · 08.10.2020, 20:52

В большинстве случаем регулярки это заведомо плохое решение для html ... и медленный ...
Другое дело что возможно придется комбинировать ...

От себя скажу что есть еще Сишная библиотека libxml2

Новые блоги и статьи Все статьи Все блоги /
PhpStorm 2025.3: WSL Terminal всегда стартует в ~ and_y87 14.12.2025 PhpStorm 2025. 3: WSL Terminal всегда стартует в ~ (home), игнорируя директорию проекта Симптом: После обновления до PhpStorm 2025. 3 встроенный терминал WSL открывается в домашней директории. . .	Access VikBal 11.12.2025 Помогите пожалуйста !! Как объединить 2 одинаковые БД Access с разными данными.	Новый ноутбук volvo 07.12.2025 Всем привет. По скидке в "черную пятницу" взял себе новый ноутбук Lenovo ThinkBook 16 G7 на Амазоне: Ryzen 5 7533HS 64 Gb DDR5 1Tb NVMe 16" Full HD Display Win11 Pro	Музыка, написанная Искусственным Интеллектом volvo 04.12.2025 Всем привет. Некоторое время назад меня заинтересовало, что уже умеет ИИ в плане написания музыки для песен, и, собственно, исполнения этих самых песен. Стихов у нас много, уже вышли 4 книги, еще 3. . .	От async/await к виртуальным потокам в Python IndentationError 23.11.2025 Армин Ронахер поставил под сомнение async/ await. Создатель Flask заявляет: цветные функции - провал, виртуальные потоки - решение. Не threading-динозавры, а новое поколение лёгких потоков. Откат?. . .
Поиск "дружественных имён" СОМ портов Argus19 22.11.2025 Поиск "дружественных имён" СОМ портов На странице: https:/ / norseev. ru/ 2018/ 01/ 04/ comportlist_windows/ нашёл схожую тему. Там приведён код на С++, который показывает только имена СОМ портов, типа,. . .	Сколько Государство потратило денег на меня, обеспечивая инсулином. Programma_Boinc 20.11.2025 Сколько Государство потратило денег на меня, обеспечивая инсулином. Вот решила сделать интересный приблизительный подсчет, сколько государство потратило на меня денег на покупку инсулинов. . . .	Ломающие изменения в C#.NStar Alpha Etyuhibosecyu 20.11.2025 Уже можно не только тестировать, но и пользоваться C#. NStar - писать оконные приложения, содержащие надписи, кнопки, текстовые поля и даже изображения, например, моя игра "Три в ряд" написана на этом. . .	Мысли в слух kumehtar 18.11.2025 Кстати, совсем недавно имел разговор на тему медитаций с людьми. И обнаружил, что они вообще не понимают что такое медитация и зачем она нужна. Самые базовые вещи. Для них это - когда просто люди. . .	Создание Single Page Application на фреймах krapotkin 16.11.2025 Статья исключительно для начинающих. Подходы оригинальностью не блещут. В век Веб все очень привыкли к дизайну Single-Page-Application . Быстренько разберем подход "на фреймах". Мы делаем одну. . .

@SkYMaaN 25 / 19 / 8 Регистрация: 05.04.2019 Сообщений: 338

	HTML парсер на С++ 07.10.2020, 12:52. Показов 5388. Ответов 10 Метки нет (Все метки) Добрый день, подскажите удобную библиотеку для парсинга страниц с текстовой информацией. 0

Nishen 1357 / 856 / 365 Регистрация: 26.02.2015 Сообщений: 3,814
	07.10.2020, 13:00
	gumbo-parser & gumbo-query 1

@SkYMaaN 25 / 19 / 8 Регистрация: 05.04.2019 Сообщений: 338
	07.10.2020, 13:20 [ТС]
	Добрый день, подскажите удобную библиотеку для парсинга страниц с текстовой информацией. 0

Nishen 1357 / 856 / 365 Регистрация: 26.02.2015 Сообщений: 3,814
	07.10.2020, 13:24
	HTML парсер на С++ Много тем еще создашь? 0

@JeyCi 262 / 151 / 33 Регистрация: 29.06.2019 Сообщений: 1,515
	07.10.2020, 20:49
	если умеете писать "регулярные выражения" - <regex> 1

@SkYMaaN 25 / 19 / 8 Регистрация: 05.04.2019 Сообщений: 338
	07.10.2020, 21:42 [ТС]
	Столкнулся с проблемой. Скачал библиотеку "gumbo-parser", но не могу найти заголовочные файлы в библиотеке, все папки пролистал. ht tps://gith ub.com/go ogle/gumbo-parser Хотя в примере использования ( ht tps://ha br.com/ru/po st/280 270/ ) - есть соответствующие инклуды. Что я упустил? 0

@Avazart 8484 / 6151 / 615 Регистрация: 10.12.2010 Сообщений: 28,683 Записей в блоге: 30
	08.10.2020, 20:52
	В большинстве случаем регулярки это заведомо плохое решение для html ... и медленный ... Другое дело что возможно придется комбинировать ... От себя скажу что есть еще Сишная библиотека libxml2 0