vs2010環境 c++ 使用htmlcxx解析html

因為最近在弄一個擷取課表的程式，課表的内容來自教務系統網站，是以需要解析html。然後我就在網上搜尋”c++解析html“，然後就找到了htmlcxx這個開源庫，下載下傳下來，發現不會使用它，然後又在網站上搜尋相關資料。最後找到一個部落格(http://www.cnblogs.com/zhanglanyun/)，然後用email聯系了他，解決了問題，很感謝他！

接着說如何使用（作為參考，可能在别人的電腦上和我這有些差別）：

1.下載下傳htmlcxx庫，我下的是tar.gz格式的，然後用解壓軟體将它解壓出來。

2.找到一個vs的工程檔案htmlcxx.vcproj（舊版本的vs工程），打開打，直接編譯可能會提示有一個錯誤（因為在我電腦裡出現了），錯誤指向了一個常字元指針(const char *)，如下圖，然後隻需要把後面的引号删掉，重新打一次改為const char *signature = "\xEF\xBB\xBF"（感謝zaffix在評論中指出），再編譯，就可以成功編譯了。

3.編譯完成之後，工程生成了一個lib靜态庫檔案。

4.但是這個庫下載下傳下來是不支援中文的，也就是說比如html中标簽裡含有中文，就會出錯（這是我在擷取源代碼時，因為擷取不完全，導緻程式出錯，才發現的）。如果出現了這個問題，可以檢視以下兩個部落格，裡面有解決方法。

http://my.oschina.net/leeeryan/blog/9914

http://blog.csdn.net/schoolers/article/details/6891061

5.然後在你的工程裡面設定vc的包含目錄和庫目錄，把htmlcxx檔案夾包含，然後庫目錄包含剛才生成的lib的檔案夾。另外，也可以将剛生成的lib拷貝到你的工程目錄下，用#pragma (lib, "xxxx.lib")加載靜态連結庫。

6.接着，在 工程屬性->c/c++->代碼生成 裡面将運作庫設定為/MTd。

這就可以使用了。

如何使用呢？

以控制台為例

1.#include <htmlcxx/html/ParserDom.h>

2. #include <htmlcxx/html/utils.h>

3.使用命名空間，using namespace htmlcxx

4.

HTML::ParserDom parser ;		//可以用來将html代碼轉換成dom樹
tree<HTML::Node> dom ;			//用來儲存html各個節點
tree<HTML::Node>::iterator iterator ;	//樹的疊代器

iterator = dom.begin () ;               //得到dom的第一個節點
iterator->tagName () ;                  //獲得節點的标簽名
iterator->parserAttributes () ;         //附上節點屬性
iterator->Attribute ("href").second ;   //此行執行需要上行，這相當于擷取标簽的href屬性，之是以有second，因為Attribute ("attributeName")傳回了一個pair
           

在部落格記錄一下，友善以後使用。若有說的不對的地方，歡迎指出。