myhtml

MyHTML — um analisador HTML C puro

MyHTML é um analisador HTML rápido que usa Threads implementado como uma biblioteca C99 pura, sem dependências externas.

Agora

Comunicado importante!

Use o analisador HTML do projeto Lexbor. É estável, tem mais recursos e – sim – é muito rápido.

Características

• Análise assíncrona, construção de árvore e indexação
• Totalmente compatível com a especificação HTML5
• Duas APIs - alto e baixo nível
• Manipulação de elementos: adicionar, alterar, excluir e outros
• Manipulação de atributos de elementos: adicionar, alterar, excluir e outros
• Suporta codificação de 39 caracteres por especificação encoding.spec.whatwg.org
• Suporte para detecção de codificações de caracteres
• Suporta análise de modo único
• Suporte à construção sem threads POSIX
• Suporte para análise de fragmentos
• Suporte para análise por pedaços
• Sem dependências externas
• Suporte C99
• Passa em todos os testes de construção de árvore dos testes html5lib
• Testado por 1 bilhão de páginas HTML (por commoncrawl.org)

Mudanças

Por favor, consulte o arquivo CHANGELOG.md

Desenvolvimentos adicionais

• Modest – Modest é um renderizador HTML rápido implementado como uma biblioteca C99 pura, sem dependências externas.
• MyCSS — Analisador CSS C/C++ Rápido (Analisador de Folhas de Estilo em Cascata)

Codificações de suporte 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

Codificações de suporte para saída

Programa trabalhando em UTF-8 e retorna tudo em UTF-8

Detectando codificações de caracteres

Agora é UTF-8, UTF-16LE, UTF16BE e russo windows-1251, koi8-r, iso-8859-5, x-mac-cyrillic, ibm866

Instalação

Veja INSTALL.md

Introdução

Introdução

Referência

• Artigo com gráficos
• Código de referência
• Imagens e CSV

Dependências

Nenhum

Ligações e wrappers externos

• Módulo Perl 5 HTML::MyHTML
• Módulo Perl 5 HTML5::DOM (DOM com seletores CSS)
• Módulo Perl 6
• Encadernação de cristal
• Ligação Elixir/Erlang
• Invólucro rápido

Exemplos

Veja diretório de exemplos

Exemplo simples

 #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]

DIREITOS AUTORAIS E LICENÇA

Direitos autorais (C) 2015-2018 Alexander Borisov

Esta biblioteca é um software livre; você pode redistribuí-lo e/ou modificá-lo sob os termos da Licença Pública Geral Menor GNU conforme publicada pela Free Software Foundation; a versão 2.1 da Licença ou (a seu critério) qualquer versão posterior.

Esta biblioteca é distribuída na esperança de ser útil, mas SEM QUALQUER GARANTIA; mesmo sem a garantia implícita de COMERCIALIZAÇÃO ou ADEQUAÇÃO A UM DETERMINADO FIM. Consulte a Licença Pública Geral Menor GNU para obter mais detalhes.

Você deve ter recebido uma cópia da Licença Pública Geral Menor GNU junto com esta biblioteca; caso contrário, escreva para Free Software Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 EUA

Veja o arquivo LICENÇA.