myhtml

MyHTML – ein reiner C-HTML-Parser

MyHTML ist ein schneller HTML-Parser, der Threads verwendet und als reine C99-Bibliothek ohne externe Abhängigkeiten implementiert ist.

Jetzt

Wichtige Ankündigung!

Bitte verwenden Sie den HTML-Parser aus dem Lexbor-Projekt. Es ist stabil, hat mehr Funktionen und – ja – es ist sehr schnell.

Merkmale

• Asynchrones Parsen, Build Tree und Indexierung
• Vollständig konform mit der HTML5-Spezifikation
• Zwei APIs – High- und Low-Level
• Manipulation von Elementen: hinzufügen, ändern, löschen und andere
• Manipulation von Elementattributen: Hinzufügen, Ändern, Löschen und andere
• Unterstützt die 39-Zeichen-Kodierung durch die Spezifikation „encoding.spec.whatwg.org“.
• Unterstützt die Erkennung von Zeichenkodierungen
• Unterstützt Single-Mode-Parsing
• Unterstützt Build ohne POSIX-Threads
• Unterstützung für Fragment-Parsing
• Unterstützung für das Parsen nach Chunks
• Keine externen Abhängigkeiten
• C99-Unterstützung
• Besteht alle Baumkonstruktionstests von html5lib-tests
• Getestet von 1 Milliarde HTML-Seiten (von commoncrawl.org)

Änderungen

Bitte beachten Sie die Datei CHANGELOG.md

Weitere Entwicklungen

• Modest – Modest ist ein schneller HTML-Renderer, der als reine C99-Bibliothek ohne externe Abhängigkeiten implementiert ist
• MyCSS – Schneller C/C++-CSS-Parser (Cascading Style Sheets Parser)

Unterstützt Codierungen für InputStream

 X_USER_DEFINED, UTF_8, UTF_16LE, UTF_16BE, BIG5, EUC_KR, GB18030,
IBM866, ISO_8859_10, ISO_8859_13, ISO_8859_14, ISO_8859_15, ISO_8859_16, ISO_8859_2, ISO_8859_3,
ISO_8859_4, ISO_8859_5, ISO_8859_6, ISO_8859_7, ISO_8859_8, KOI8_R, KOI8_U, MACINTOSH,
WINDOWS_1250, WINDOWS_1251, WINDOWS_1252, WINDOWS_1253, WINDOWS_1254, WINDOWS_1255, WINDOWS_1256,
WINDOWS_1257, WINDOWS_1258, WINDOWS_874, X_MAC_CYRILLIC, ISO_2022_JP, GBK, SHIFT_JIS, EUC_JP, ISO_8859_8_I

Unterstützt Codierungen für die Ausgabe

Programm arbeitet in UTF-8 und gibt alles in UTF-8 zurück

Zeichenkodierungen erkennen

Jetzt sind es UTF-8, UTF-16LE, UTF16BE und russisches Windows-1251, koi8-r, iso-8859-5, x-mac-kyrillisch, ibm866

Installation

Siehe INSTALL.md

Einführung

Einführung

Benchmark

• Artikel mit Diagrammen
• Benchmark-Code
• Bilder und CSV

Abhängigkeiten

Keiner

Externe Bindungen und Wrapper

• Perl 5 HTML::MyHTML-Modul
• Perl 5 HTML5::DOM-Modul (DOM mit CSS-Selektoren)
• Perl 6-Modul
• Kristallbindung
• Elixir/Erlang-Bindung
• Schneller Umschlag

Beispiele

Siehe Beispielverzeichnis

Einfaches Beispiel

 #include 
#include 
#include 

#include 

int main ( int argc , const char * argv [])
{
    char html [] = "
HTML
" ;
    
    // basic init
    myhtml_t * myhtml = myhtml_create ();
    myhtml_init ( myhtml , MyHTML_OPTIONS_DEFAULT , 1 , 0 );
    
    // first tree init
    myhtml_tree_t * tree = myhtml_tree_create ();
    myhtml_tree_init ( tree , myhtml );
    
    // parse html
    myhtml_parse ( tree , MyENCODING_UTF_8 , html , strlen ( html ));
    
    // print result
    // or see serialization function with callback: myhtml_serialization_tree_callback
    mycore_string_raw_t str = { 0 };
    myhtml_serialization_tree_buffer ( myhtml_tree_get_document ( tree ), & str );
    printf ( "%sn" , str . data );
    
    // release resources
    mycore_string_raw_destroy ( & str , false);
    myhtml_tree_destroy ( tree );
    myhtml_destroy ( myhtml );
    
    return 0 ;
}

AUTOR

Alexander Borisov [email protected]

URHEBERRECHT UND LIZENZ

Copyright (C) 2015-2018 Alexander Borisov

Bei dieser Bibliothek handelt es sich um freie Software. Sie können es unter den Bedingungen der GNU Lesser General Public License, wie von der Free Software Foundation veröffentlicht, weiterverbreiten und/oder ändern; entweder Version 2.1 der Lizenz oder (nach Ihrer Wahl) eine spätere Version.

Diese Bibliothek wird in der Hoffnung verteilt, dass sie nützlich sein wird, jedoch OHNE JEGLICHE GARANTIE; ohne die stillschweigende Garantie der MARKTGÄNGIGKEIT oder EIGNUNG FÜR EINEN BESTIMMTEN ZWECK. Weitere Einzelheiten finden Sie in der GNU Lesser General Public License.

Sie sollten zusammen mit dieser Bibliothek eine Kopie der GNU Lesser General Public License erhalten haben; Wenn nicht, schreiben Sie an die Free Software Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA

Siehe die LICENSE-Datei.