https://github.com/hunlongyu/html_parser
https://github.com/hunlongyu/html_parser
Last synced: 8 months ago
JSON representation
- Host: GitHub
- URL: https://github.com/hunlongyu/html_parser
- Owner: Hunlongyu
- License: other
- Created: 2025-08-26T08:08:10.000Z (9 months ago)
- Default Branch: main
- Last Pushed: 2025-09-28T10:22:19.000Z (8 months ago)
- Last Synced: 2025-09-28T12:26:53.581Z (8 months ago)
- Language: C++
- Size: 736 KB
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# HPS HTML 解析库
[](https://github.com/Hunlongyu/html_parser)
[](https://en.cppreference.com/w/cpp/23)
[](LICENSE)
> ⚠️ **开发中 (WIP)** - 这是一个正在积极开发的项目，API 可能会发生变化。不建议在生产环境中使用当前版本。
一个高性能、现代化的 C++ HTML 解析库，支持完整的 HTML5 标准解析和 CSS 选择器查询。
## ✨ 核心特性
### 🔍 强大的 CSS 选择器支持
- **复杂选择器**：支持后代选择器、子选择器、相邻兄弟选择器、通用兄弟选择器
- **属性选择器**：支持 `[attr]`、`[attr=value]`、`[attr^=value]`、`[attr$=value]`、`[attr*=value]` 等
- **伪类选择器**：支持 `:first-child`、`:last-child`、`:nth-child()`、`:not()` 等
- **组合选择器**：支持多重选择器组合和复杂嵌套查询
### ⛓️ 流畅的链式查询 API
- **链式调用**：`doc->css(".container").find("h1").has_class("title").first_element()`
- **过滤方法**：`has_class()`、`has_attribute()`、`containing_text()`、`matches()` 等
- **导航方法**：`parent()`、`children()`、`siblings()`、`closest()`、`find()` 等
- **结果处理**：`first_element()`、`last_element()`、`at(index)`、`filter()` 等
### ⚙️ 灵活的解析配置项
- **解析选项**：自定义解析行为，控制容错级别和处理策略
- **片段解析**：支持 HTML 片段解析，无需完整文档结构
- **错误处理**：可配置的错误恢复策略和警告级别
### 📄 双层查询架构
- **Document 查询**：从文档根节点开始的全局查询
```cpp
auto results = doc->css("div.container p");
```
- **Element 查询**：从任意元素节点开始的局部查询
```cpp
auto container = doc->css(".container").first_element();
auto paragraphs = container->css("p"); // 仅在容器内查询
```
### 🚀 高性能解析引擎
- **标准兼容**：完全遵循 HTML5 解析规范（Tokenizer → Tree Construction → DOM Tree）
- **内存优化**：内存池管理、零拷贝设计、智能缓存机制
- **查询加速**：ID/类名索引、LRU 策略优化
- **现代 C++23**：模块化架构，充分利用新语言特性
- **无第三方依赖**：仅依赖 C++23 标准库，无需额外安装任何第三方库
## 🚀 快速演示
### 基础查询示例
```cpp
#include
#include
int main() {
std::string html = R"(
网站标题
文章标题
文章内容...
)";
// 解析配置
hps::Options options;
options.encoding = "UTF-8";
options.fragment_parsing = true;
auto doc = hps::parse(html, options);
// 复杂 CSS 选择器查询
auto activeNav = doc->css(".navigation .nav-item.active a").first_element();
std::cout << "活跃导航: " << activeNav->text_content() << std::endl;
// 属性选择器
auto article = doc->css("article[data-id='123']").first_element();
std::cout << "文章ID: " << article->get_attribute("data-id") << std::endl;
return 0;
}
```
### 链式查询示例
```cpp
#include
int main() {
std::string html = R"(
产品A
¥199
产品B
¥299
)";
auto doc = hps::parse(html);
// 链式查询：查找推荐产品中的促销商品
auto featuredSaleProducts = doc->css(".product")
.has_class("featured")
.find(".tag")
.containing_text("促销")
.closest(".product");
for (const auto& product : featuredSaleProducts) {
auto name = product->css(".name").first_element()->text_content();
auto price = product->get_attribute("data-price");
std::cout << "推荐促销产品: " << name << ", 价格: ¥" << price << std::endl;
}
// Element 级别查询
auto productsContainer = doc->css(".products").first_element();
auto cheapProducts = productsContainer->css(".product")
.filter([](const auto& elem) {
auto price = std::stoi(elem->get_attribute("data-price"));
return price < 250;
});
std::cout << "找到 " << cheapProducts.size() << " 个便宜产品" << std::endl;
return 0;
}
```
## 📦 快速安装
### 系统要求
- C++23 兼容编译器（MSVC 2022+）
- CMake 3.28+
### 构建步骤
```bash
git clone https://github.com/Hunlongyu/html_parser.git
cd html_parser
mkdir build && cd build
cmake ..
cmake --build . --config Release
```
### CMake 集成
```cmake
add_subdirectory(path/to/hps)
target_link_libraries(your_target hps_static)
```
## 📚 文档链接
- [📖 详细 API 文档](docs/API.md)
- [🔧 详细构建说明](docs/BUILD.md)
- [💡 完整示例代码](examples/)
- [🏗️ 设计文档](docs/HPS%20HTML%20解析库详细设计文档.md)
## 📋 TODO
- [ ] **XPath 支持**：完整的 XPath 1.0 表达式支持（开发中）
- [ ] 性能基准测试
## 🤝 贡献
欢迎提交 Issue 和 Pull Request！
- 🐛 发现 Bug？[提交 Issue](https://github.com/Hunlongyu/html_parser/issues)
- 💡 有新想法？[讨论功能请求](https://github.com/Hunlongyu/html_parser/discussions)
- 🔧 想要贡献代码？查看 [贡献指南](CONTRIBUTING.md)
## 📄 许可证
本项目采用 [MIT 许可证](LICENSE)。
---
⭐ 如果这个项目对您有帮助，请给我们一个 Star！