Слабый разбор HTML в C ++?

Question

Я ищу решение для анализа потенциально искаженного HTML в C ++, похожее на то, что Beautiful Soup делает в Python.

Обычно, просто с помощью парсера XML будет работать, ноконкретный HTML в этом случае не является допустимым XML / XHTML и не может быть правильно проанализирован.

Существуют ли библиотеки / инструменты для этого?

Answer 1

Вы можете использовать HTMLTidy для преобразования HTML в действительный XML, а затем использовать любой доступный синтаксический анализатор C ++ XML

Answer 2

Согласно документации LibXml2 способен анализировать HTML4.

Answer 3

Я использовал Xerces и рекомендую его для C ++.Он имеет модель DOM и SAX.