HTML解析 C/C++ (散分)

「已注销」 2011-10-26 10:10:20

加精

1:看着好多人在找这方面的资料，就发一版今年国庆节写的类，可以解析99%的HTML页面。由于申请过多的内存和过多的内存拷贝，效率嘛肯定不太好。注释少了些（可以说没有），代码呢也糙了些(已经在重构了)。各位将就着看吧。

2:里面用到几个WINDOWS API函数，如果想在其它系统使用，请自行更换成标准C或标准C++函数。

3:两个类：一个基础类（CHtmlHelper，解析HTML文件，生成元件链表），一个功能类（CHtmlAnalyzer,转换页面编码为程序所使的编码，再调用CHtmlHelper进行解析）。

----顺带打一下广告:参加工作快5年了,想换一份工作，C/C++方面的。邮箱：hmm7e_z@126.com。





class CHtmlHelper

{

public:

	//

	static	LPCTSTR SkipSpace(LPCTSTR lpszString);

	static	LPCTSTR SkipLetter(LPCTSTR lpszString,TCHAR cbLetter);

	static	LPCTSTR ArriveLetter(LPCTSTR lpszString,TCHAR cbLetter);

	static	UINT CalculateStringLen(LPCTSTR lpszString,TCHAR* lpszEnd);

	static	UINT CalculateRangeLen(LPCTSTR lpszString,LPCTSTR lpszBegin,LPCTSTR lpszEnd);

	static	UINT CalculateTagStringLen(LPCTSTR lpszString,TCHAR cbBegin,TCHAR cbEnd);

	static	UINT CalculateScriptStringLen(LPCTSTR lpszString,TCHAR cbEnd);

	static  void TrimString(LPCTSTR lpszString,LPCTSTR lpszClean);

protected:

	struct tagHtmlTagAttribute

	{

		LPTSTR s_pszKey;

		LPTSTR s_pszValue;

		struct tagHtmlTagAttribute * s_pstNext;

	};

	struct tagHtmlNode

	{

		LPTSTR s_pszTag;

		LPTSTR s_pszContent;

		tagHtmlTagAttribute * s_pstTagAttribute;

		struct tagHtmlNode * s_pstNext;

	};

public:

	CHtmlHelper(void);

	virtual ~CHtmlHelper(void);

protected:

	//

	tagHtmlNode * AllocHtmlNode(UINT nTagLen,UINT nContentLen);

	void FreeHtmlNode(tagHtmlNode * lpstNode);

	void LinkHtmlNode(tagHtmlNode * lpstNode);

	void CleanupHtmlNode();

	//

	tagHtmlTagAttribute * AllocHtmlTagAttribute(UINT nKeyLen,UINT nValueLen);

	void FreeHtmlTagAttribute(tagHtmlTagAttribute * lpstTagAttribute);

	void AttachHtmlTagAttribute(tagHtmlNode * lpstNode,tagHtmlTagAttribute * lpstTagAttribute);

	void CleanupHtmlTagAttribute(tagHtmlNode * lpstNode);

public:

	enum {CHARSET_UTF8,CHARSET_UNICODE,CHARSET_MULTIBYTE}TextCharset;

public:

	//

	void AutoTakeSnapshot(PBYTE lpszString,UINT nStringLen);

	void TakeSnapshot(PBYTE lpszString,UINT nStringLen,UINT nFromCharset );

	void DeleteSnapshot();

	//

	virtual void Parse();

	virtual void Parse2();

protected:

	//

	void SplitTagAttribute(tagHtmlNode * lpstNode);

	

protected:

	//

	LPTSTR  m_pszSnapshotBuffer;

	UINT m_nSnapshotBufferLen;

	UINT m_nSnapshotStringLen;

	//

	tagHtmlNode * m_pstHead;

	tagHtmlNode * m_pstPrev;



};