1
CP1251
에서 웹 페이지를 구문 분석하는 데 Gumbo
을 사용하고 있습니다. 나는이 텍스트를 UTF-8
으로 변환하여 검보 파서로 보냈습니다. 나는 소스가 제대로 콘솔에 표시되는 동안 출력에 이상한 문자를받을A 내부의 검보 HTML 텍스트
node->v.text.text
와 A
링크 안에 텍스트를 얻기에 문제가 있습니다. 변환 목적으로 Qt 5.2
과 libiconv
을 사용하고 있습니다.
노드 텍스트를 로컬 코드 페이지로 변환해야합니까? 아니면 내가 뭘 잘못하고 있습니까?
if (node->v.element.tag == GUMBO_TAG_DIV && (_class = gumbo_get_attribute(&node->v.element.attributes, "class")))
{
if (QString(_class->value) == "catalog-item-title")
{
qDebug() << "parsePage: found product, parsing...";
GumboVector* children = &node->v.element.children;
for (int i = 0; i < children->length; ++i)
{
GumboNode* node = static_cast<GumboNode*>(children->data[i]);
GumboAttribute* href;
GumboAttribute* id;
if (node->v.element.tag == GUMBO_TAG_A &&
(href = gumbo_get_attribute(&node->v.element.attributes, "href"))
)
{
char buf[1024];
memset(buf, 0, 1024);
int i = node->v.text.original_text.length;
memcpy(buf, node->v.text.original_text.data, i);
QString strTitle = buf;
Q_ASSERT(node->v.text.original_text.length > 0);
qDebug() << "parsePage: found product" << strTitle << href->value;
break;
}
}
}
}
소스 페이지의 텍스트를 구문 분석 CP1251
QByteArray barrData = pf->getData();
size_t dstlen = 1048576;
char buf[dstlen];
memset((char*)buf, 0, dstlen);
char* pIn = barrData.data();
char* pOut = (char*)buf;
size_t srclen = barrData.size();
iconv_t conv = iconv_open("UTF-8", "CP1251");
iconv(conv, &pIn, &srclen, &pOut, &dstlen);
iconv_close(conv);
GumboOutput* output = gumbo_parse(buf);
parsePage(output->root);
gumbo_destroy_output(&kGumboDefaultOptions, output);
에서
얻기 페이지 : 내가 마지막에 예를 훈제 한
<div class="catalog-item-title"><a href="/textile/postelnoe-bele/korolevskoe-iskushenie-perkal/izmir_2/">Измир 2</a></div>
Gumbo에 대한 설명서는 어디에서 찾을 수 있습니까? GitHub 페이지는 링크되어 있지 않으며 구글을 통해 찾은이 링크는 http://matze.github.io/clib-doc/gumbo-parser/index.html에별로 도움이되지 않습니다. 예를 들어, GumboOutput 구조체가 어떻게 보이며 어떻게 사용합니까? – Michael
코드가 유용했기 때문에 투표를해야했습니다. –