myhtml

MyHTML: un analizador HTML C puro

MyHTML es un analizador HTML rápido que utiliza subprocesos implementado como una biblioteca C99 pura sin dependencias externas.

Ahora

¡Anuncio importante!

Utilice el analizador HTML del proyecto Lexbor. Es estable, tiene más funciones y, sí, es muy rápido.

Características

• Análisis asincrónico, árbol de construcción e indexación
• Totalmente conforme con la especificación HTML5
• Dos API: alto y bajo nivel
• Manipulación de elementos: añadir, cambiar, eliminar y otros
• Manipulación de atributos de elementos: agregar, cambiar, eliminar y otros.
• Admite codificación de 39 caracteres según la especificación encoding.spec.whatwg.org
• Admite la detección de codificaciones de caracteres
• Admite análisis de modo único
• Compilación de soporte sin subprocesos POSIX
• Soporte para análisis de fragmentos
• Soporte para análisis por fragmentos
• Sin dependencias externas
• Soporte C99
• Pasa todas las pruebas de construcción de árboles de html5lib-tests
• Probado por mil millones de páginas HTML (por commoncrawl.org)

Cambios

Por favor, consulte el archivo CHANGELOG.md

Otros desarrollos

• Modest: Modest es un renderizado HTML rápido implementado como una biblioteca C99 pura sin dependencias externas.
• MyCSS: analizador CSS rápido de C/C++ (analizador de hojas de estilo en cascada)

Codificaciones de soporte para 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

Codificaciones de soporte para salida

Programa trabajando en UTF-8 y devuelve todo en UTF-8

Detectar codificaciones de caracteres

Ahora es UTF-8, UTF-16LE, UTF16BE y Windows ruso-1251, koi8-r, iso-8859-5, x-mac-cyrillic, ibm866.

Instalación

Ver INSTALL.md

Introducción

Introducción

Punto de referencia

• Artículo con gráficos
• código de referencia
• Imágenes y CSV

Dependencias

Ninguno

Encuadernaciones y envoltorios externos

• Perl 5 HTML::Módulo MyHTML
• Perl 5 HTML5::Módulo DOM (DOM con selectores CSS)
• Módulo Perl 6
• Encuadernación de cristal
• Unión de elixir/erlang
• Envoltorio veloz

Ejemplos

Ver directorio de ejemplos

Ejemplo sencillo

 #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

Alejandro Borisov [email protected]

DERECHOS DE AUTOR Y LICENCIA

Copyright (C) 2015-2018 Alexander Borisov

Esta biblioteca es software gratuito; puede redistribuirlo y/o modificarlo según los términos de la Licencia pública general reducida GNU publicada por la Free Software Foundation; ya sea la versión 2.1 de la Licencia o (a su elección) cualquier versión posterior.

Esta biblioteca se distribuye con la esperanza de que sea útil, pero SIN NINGUNA GARANTÍA; sin siquiera la garantía implícita de COMERCIABILIDAD o IDONEIDAD PARA UN PROPÓSITO PARTICULAR. Consulte la Licencia pública general reducida de GNU para obtener más detalles.

Debería haber recibido una copia de la Licencia pública general reducida de GNU junto con esta biblioteca; en caso contrario, escriba a Free Software Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 EE. UU.

Ver el archivo de LICENCIA.