myhtml

MyHTML — un analyseur HTML pur C

MyHTML est un analyseur HTML rapide utilisant Threads implémenté comme une bibliothèque C99 pure sans dépendances extérieures.

Maintenant

Annonce importante !

Veuillez utiliser l'analyseur HTML du projet Lexbor. Il est stable, possède plus de fonctionnalités et – oui – il est très rapide.

Caractéristiques

• Analyse asynchrone, arbre de construction et indexation
• Entièrement conforme à la spécification HTML5
• Deux API : haut et bas niveau
• Manipulation d'éléments : ajouter, modifier, supprimer et autres
• Manipulation des attributs des éléments : ajout, modification, suppression et autres
• Prise en charge du codage de 39 caractères par spécification encoding.spec.whatwg.org
• Prise en charge de la détection des encodages de caractères
• Prise en charge de l'analyse en mode unique
• Prise en charge de la construction sans threads POSIX
• Prise en charge de l'analyse de fragments
• Prise en charge de l'analyse par morceaux
• Aucune dépendance extérieure
• Prise en charge C99
• Réussit tous les tests de construction d'arborescence de html5lib-tests
• Testé sur 1 milliard de pages HTML (par commoncrawl.org)

Changements

Veuillez consulter le fichier CHANGELOG.md

Développements ultérieurs

• Modest — Modest est un rendu HTML rapide implémenté comme une bibliothèque C99 pure sans dépendances extérieures
• MyCSS — Analyseur CSS C/C++ rapide (analyseur de feuilles de style en cascade)

Prise en charge des encodages pour 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

Prise en charge des encodages pour la sortie

Programme fonctionnant en UTF-8 et renvoie tout en UTF-8

Détection des encodages de caractères

Maintenant, c'est UTF-8, UTF-16LE, UTF16BE et Windows-1251 russe, koi8-r, iso-8859-5, x-mac-cyrillic, ibm866

Installation

Voir INSTALL.md

Introduction

Introduction

Référence

• Article avec graphiques
• Code de référence
• Images et CSV

Dépendances

Aucun

Reliures et emballages externes

• Perl 5 HTML :: module MyHTML
• Module Perl 5 HTML5 :: DOM (DOM avec sélecteurs CSS)
• Module Perl6
• Reliure en cristal
• Reliure Elixir/Erlang
• Emballage rapide

Exemples

Voir le répertoire d'exemples

Exemple simple

 #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 ;
}

AUTEUR

Alexandre Borissov [email protected]

DROIT D'AUTEUR ET LICENCE

Copyright (C) 2015-2018 Alexandre Borissov

Cette bibliothèque est un logiciel gratuit ; vous pouvez le redistribuer et/ou le modifier selon les termes de la licence publique générale limitée GNU telle que publiée par la Free Software Foundation ; soit la version 2.1 de la Licence, soit (à votre choix) toute version ultérieure.

Cette bibliothèque est distribuée dans l'espoir qu'elle sera utile, mais SANS AUCUNE GARANTIE ; sans même la garantie implicite de QUALITÉ MARCHANDE ou d’ADAPTATION À UN USAGE PARTICULIER. Voir la licence publique générale limitée GNU pour plus de détails.

Vous devriez avoir reçu une copie de la licence publique générale limitée GNU avec cette bibliothèque ; sinon, écrivez à Free Software Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA

Voir le fichier LICENCE.