Аналог jsoup для Qt

Question

Konstantin Lazarev13 мая 2017 г. 2:06

Аналог jsoup для Qt

Доброе утро, подскажите пожалуйста, в Qt есть аналог библиотеки jsoup. Библиотека позволяет доставать любые теги из спарсеного документа.

Рекомендуем хостинг TIMEWEB

Стабильный хостинг, на котором располагается социальная сеть EVILEG. Для проектов на Django рекомендуем VDS хостинг.

Подписка на обсуждение2

Подписка на раздел248

Вам это нравится? Поделитесь в социальных сетях!

13 мая 2017 г. 2:20

Добрый день!

Если только на гитхабе кто-нибудь выложил нечто подобное, поскольку такая библиотека, если бы она была, была бы очень известна.

А так могу предложить варианты либо с QXmlStreamReader , QXmlStreamWriter , либо с QDomDocument .

Впрочем, настоятельно рекомендую обратить внимание на QDomDocument , там есть методы по получению тегов по имени или id.

Если бы Вы писали на PyQt5, то я порекомендовал бы ещё обратить внимание на Python библиотеку BeautifulSoup 4 , она очень хороша, несмотря на немного неочевидные некоторые моменты в работе. У меня на сайте комментарии и ответы на форуме именно этой библиотекой обрабатываются перед публикацией. Но QDomDocument вполне себе реализует необходимый функционал по извлечению необходимых тегов, разве только нет методов, которые бы по классам или атрибутам выдёргивали необходимые теги, но можно в цикле запросто найти нужный тег из QDomNodeList .

KL

13 мая 2017 г. 2:35

Можно пару строк кода, для лучшего понимания, как вытащить только title из спарсеного документа.

13 мая 2017 г. 2:37

Можно, но только покажите, как у вас тег title выглядит в HTML документе.

13 мая 2017 г. 8:02

Так. Ну я увидел, как выглядит этот тег в логах об ошибке. Накидаю пример.
В следующий раз, просьба, вставлять HTML код через диалог вставки кода. (Надо будет подумать, как пофиксить этот баг)

13 мая 2017 г. 8:46

Допустим тогда, есть вот такой кусок HTML кода:

<!DOCTYPE html>
<html>
   <head>
      <title>
         A Small Hello
      </title>
   </head>
<body>
   <h1>Hi</h1>
   <p>This is very minimal "hello world" HTML document.</p>
</body>
</html>

Следовательно, нужно получить текст, который содержится в title . Для этого в pro файле необходимо подключить модуль xml

QT += xml

И воспользоваться возможностями QDomDocument

QDomDocument doc;
// Дергал этот html документ из ресурсов
QFile file(":/example.html");

// Если не удалось открыть файл, то возвращаемся из метода
if (!file.open(QIODevice::ReadOnly) || !doc.setContent(&file))
    return;

// Получаем список всех тегов title
QDomNodeList titlesList = doc.elementsByTagName("title");
// Поскольку title обычно один, то берём его Ноду из списка по нулевому индексу
QDomNode titleNode = titlesList.item(0);
// Преобразуем Ноду в элемент
QDomElement element = titleNode.toElement();
// Тогда получится забрать текст из тега
qDebug() << element.text();

KL

13 мая 2017 г. 8:50

А этот модуль работает с удаленными файлами?

<?xml version="1.0" encoding="utf-8"?>
<yandexsearch version="1.0">
  <request>
    <query>
      Платные комментарии
    </query>
    <page>
      0
    </page>
    <sortby order="descending" priority="no">
      rlv
    </sortby>
    <maxpassages>
    </maxpassages>
    <groupings>
      <groupby attr="" mode="flat" groups-on-page="10" docs-in-group="1" curcateg="-1" />
    </groupings>
  </request>
  <response date="20170513T124911">
    <reqid>
      1494679751371064-722144758077498024982079-sas1-1417-XML
    </reqid>
    <found priority="phrase">
      31179652
    </found>
    <found priority="strict">
      31179652
    </found>
    <found priority="all">
      31179652
    </found>
    <found-human>
      Нашёлся 31 млн ответов
      </found-human>
    <results>
      <grouping attr="" mode="flat" groups-on-page="10" docs-in-group="1" curcateg="-1">
        <found priority="phrase">
          140673
        </found>
        <found priority="strict">
          140673
        </found>
        <found priority="all">
          140673
        </found>
        <found-docs priority="phrase">
          229751
          </found-docs>
        <found-docs priority="strict">
          229751
          </found-docs>
        <found-docs priority="all">
          229751
          </found-docs>
        <found-docs-human>
          нашёл 230 тыс. ответов
          </found-docs-human>
        <page first="1" last="10">
          0
        </page>
        <group>
          <doccount>
            1
          </doccount>
          <relevance />
          <doc id="Z1CDC9256CCB9C8B0">
            <relevance />
            <url>
              http://inetsovety.ru/zarabotok-na-kommentariyah-gde-zarabotaty-denygi/
            </url>
            <domain>
              inetsovety.ru
            </domain>
            <title>
              Заработок на 
              <hlword>
                комментариях
              </hlword>
              . Где платят деньги за 
              <hlword>
                комментарии
              </hlword>
              ?
            </title>

KL

13 мая 2017 г. 8:51

Вот такое мне выдает Яндекс, я могу его обработать с помощью данного класса?

KL

13 мая 2017 г. 8:54

При помощи QNetworkAccessManager я могу получить html текст, а яндекс отдает xml файл, думаю ошибка кроется здесь.

13 мая 2017 г. 9:03

Без разницы. QNetworkAccessManager может забрать как html , так и xml текст. А QDomDocument и остальные сопутствующие классы входят в состав модуля xml , что само по себе говорит о том, что он заточен под работу с xml, да и html код - это тот же самый xml, только у него есть определённый стандарт.

Так что ошибка скорее всего в том, что не совсем правильно забираете данные из ответа QNetworkAccessManager`а

KL

13 мая 2017 г. 9:21

ERROR "Unable to init SSL Context: " Вот что выдает приложение, но с Google все отлично работает.

KL

13 мая 2017 г. 9:50

Подскажите как быть с тегами a или картинками?

KL

13 мая 2017 г. 10:00

Как вывести дерево доступных элементов, которые хранятся в doc?

13 мая 2017 г. 12:40

Нужно иметь установленные библиотеки OpenSSL и в pro файле должен быть включен модуль network:

QT += network

Большего в данном случае посоветовать не могу

13 мая 2017 г. 12:46

Примерно так нужно поступать с тегами a или картинками:

QDomNodeList aList = doc.elementsByTagName("a");
for (int i = 0; i < aList.count(); ++i)
{
    QDomElement aElement = aList.item(i).toElement();
    qDebug() << aElement.attribute("href");
}

То есть дёргать нужный атрибут из найденного тега

13 мая 2017 г. 12:51

А вот здесь нужно делать модель данных, которую можно будет отобразить в QTreeView . Вообще есть готовый пример Simple DOM Model Example . Поищите его в примерах в Qt Creator. Можно будет оттуда выдернуть классы DomModel и DomItem, которые используются для отображения документа в древовидном виде.

KL

13 мая 2017 г. 14:25

Подсказка с OpenSSL очень помогла, у меня все вышло!!! Спасибо за видео, тоже очень помогло!!! Я рад) 2 недели не мог добраться до ответа)

Аналог jsoup для Qt

Рекомендуем хостинг TIMEWEB

Комментарии