Наши преимущества

Парсер HTML

S

SeaMan75

Турист
Credits
30
Каким способом лучше всего очень быстро парсить HTML? - использовать готовые решения и какие или самому изобретать велосипед?
 
Как увидеть ссылки? | How to see hidden links?
Каким способом лучше всего очень быстро парсить HTML? - использовать готовые решения и какие или самому изобретать велосипед?
Нажмите, чтобы раскрыть...

Hidden content. You need to Как увидеть ссылки? | How to see hidden links? or Как увидеть ссылки? | How to see hidden links?.


Есть готовые парсеры, можешь свой писать
 
Как увидеть ссылки? | How to see hidden links?, работает четко. Был найден очень давно в нете.

Код: 
uses HTMLPars;

var
  HTMLTag     : THTMLTag;
  HTMLParser  : THTMLParser;
  obj         : TObject;
  aTag, avalue: String;
  i           : Integer;
begin
  HTMLParser:=THTMLParser.Create;
  HTMLParser.Lines.Text:=tmp;
  HTMLParser.Execute;
  //
  for i:= 1 to HTMLParser.parsed.count do
   begin
     obj:=HTMLParser.parsed[i-1];

     if obj.classtype=THTMLText then
       avalue:=avalue+THTMLText(obj).Line;

     if (obj.classtype=THTMLTag)and(not ftovar) then
      begin
        HTMLTag:=THTMLTag(obj);
        aTag   :=LowerCase(HTMLTag.Name);

        if (aTag='tr') then
         begin
           ...
           Continue;
        end;
		
        if (aTag='/tr') then
         begin
		   // что то делаем с собранным текстом avalue
		   ...
		   avalue:='';
           Continue;
        end;
      end;
   end;
end;
 
так же для парсинга можно использовать стандартный компонент TWebBrwoser, но я рекомендую юзать TChromium и у него намного больше внутренних инструментов, для парсинга HTML + встроенные отладчик страниц + скорость работы. Так же можно использовать его не визуальный компонент для этих целей.
 
Последнее редактирование модератором:
TRegExpr и т.п - Регулярки уже не модные что ли..
Да и вообще, задача не понятна.. всё от задачи зависит, что парсить, может можно обойтись Copy\Pos..
 
Как увидеть ссылки? | How to see hidden links?
TRegExpr и т.п - Регулярки уже не модные что ли..
Да и вообще, задача не понятна.. всё от задачи зависит, что парсить, может можно обойтись Copy\Pos..
Нажмите, чтобы раскрыть...

TRegExpr очень медленный, особенно для больших объемов. У меня даже вылетало исключение - нехватка памяти или переполнение стека, не помню уже. Я очень разочаровался в нем, просмотрев в режиме отладки его работу... К тому же в matches содержится ошибка при использовании с начальным индексом, по крайней мере в XE8 Upd1.
Лучший вариант - LowerCase, Copy, Pos. Со сложными выражениями, конечно, придется мучиться...
 
Для ответа нужно войти/зарегистрироваться
Верх