Delphi HTML解析器

Delphi html parser

代码是改自原wr960204的HtmlParser,因为自己的需求需要对html进行修改操作,但无奈只支持读取操作,所以在此基础上做了修改并命名为HtmlParserEx.pas与之区别。

修改记录

2016年11月23日

1、简单支持XPath,简单的吧,利用xpath转css selector,嘿
xpath转换的代码改自python版本 另外对正则System.RegularExpressions.pas中TGroupCollection.GetItem进行了改进,没有找到命名组 且非PCRE_ERROR_NOSUBSTRING时返回空的,而不是抛出一个异常。暂时就简单粗爆的直接改吧,官方网站 上看到有人提过这个QC,不知道后面有没有解决。

IHtmlElement

LHtml.FindX('/html/head/title').Each(
    procedure(AIndex: Integer; AEl: IHtmlElement) 
    begin
      Writeln('xpath index=', AIndex, ',  a=', AEl.Text);  
    end
  );

2016年11月15日

IHtmlElement和THtmlElement的改变:
1、Attributes属性增加Set方法
2、TagName属性增加Set方法
3、增加Parent属性
4、增加RemoveAttr方法
5、增加Remove方法
6、增加RemoveChild方法
7、增加Find方法,此为SimpleCSSSelector的一个另名
8、_GetHtml不再直接附加FOrignal属性值,而是使用GetSelfHtml重新对修改后的元素进行赋值操作,并更新FOrignal的值
9、增加Text属性
10、修改InnerText与Text属性增加write功能
11、增加AppedChild方法

IHtmlElementList和THtmlElementList的改变:
1、增加RemoveAll方法
2、增加Remove方法
3、增加Each方法
4、增加Text属性

修改后的新功能的一些使用法

IHtmlElement

// 修改属性
     EL.Attributes['class'] := 'xxxx';  
     // 修改标记  
     EL.TagName = 'a';  
     // 移除自己  
     EL.Remove;   
     // 移除子结点  
     EL.RemoveChild(El2);  
     // css选择器查找,简化用  
     El.Find('a');  
     // 附加一个新的元素  
     el2 := El.AppendChild('a');

IHtmlElementList

// 移除选择的元素
  LHtml.Find('a').RemoveAll;

  // 查找并遍沥
  LHtml.Find('a').Each(
    procedure(AIndex: Integer; AEl: IHtmlElement)
    begin
      Writeln('Index=', AIndex, ',  href=', AEl.Attributes['href']);
    end); 

  // 直接输出,仅选中的第一个元素
  Writeln(LHtml.Find('title').Text);

源代码下载

https://github.com/ying32/htmlparser

相关文章
相关标签/搜索