解析HTML的问题

ffmaomao

刚刚用了一个KHTML解析，可是这个东西不能远程启动，因为要在本机上启动一个窗口。

所以，只好换个方式，发现使用firefox里面解析HTML的模块可以用。

但是，看了几天代码后，感觉实在是无从下手，而且在使用parser模块里面，htmlparser

的TestParser.cpp这个测试示例的时候，运行不起来,因为无法创建一个Sink对象。

直接输入是：Unable to create a Sink!

在此，希望哪位高手可以指点一二！～

万分感谢！

sleetdrop

如果你解析目的不是主要用来显示的话。libxml还是可以的。
http://xmlsoft.org/

ffmaomao

谢谢你的建议，libxml我也考虑过的，但是

那个不符合要求啊。。。现在需要一个功能比较强大一点的。。。

因为需要解析JavaScript。。呵呵。。。

而且还涉及到W3C里面的一些规则的问题。。。

reiase

不要交互的话，JavaScript解析意义大吗

另外，楼主做的东西貌似很邪恶

ffmaomao

现在可能不需要JavaScript显示的内容，但是以后是肯定要的。

因为有些网站全是JavaScript代码组成，没有实质的文本信息，而是动态加载的。

所以需要解析啊。

我做的东西不邪恶的啊，我只是为了能够得到网页的主要内容。

这个是要通过一定的算法，将不是主要的内容去除。

但是这个算法首先要将网页解析成DOM树。

ffmaomao

感觉无法创建Sink对象可能是和自己的系统环境有关系。

不过，就是有关系也不知道到底是什么地方，而且源代码里面跟踪起来也很麻烦。

很难跟踪到里面。

唉。。。。郁闷啊～

ffmaomao

还是自己顶上。。。

终于知道为什么不能创建Sink了：
     因为这样的错误  NS_ERROR_FACTORY_NOT_REGISTERED

估计是生产的工厂对象没有在组件里面注册。

郁闷啊～～～～

又是一个难题！～～～～