Objective-C XML/HTML 解析器

最近因为工作的需要，使用到HTML解析的功能，网上找到了Hpple库，可以支持HTML的解析，不过Hpple不支持HTML节点的修改，在没有找到更好的轮子的情况下所以打算自己在这个库的基础上进行扩展。这边主要记录下YTTHpplePlus的使用方法，不对实现进行解释，在文章的底部提供了几篇参考文章，有兴趣的可以自行查看。

YTTHpplePlus 是Hpple的扩展，在Hpple的基础上扩展了节点的增删改查、文档导出功能，原始的Hpple库可以从 Hpple在GitHub上的链接 中查看，感谢作者原始的贡献。

对应功能的使用方法参考单元测试类NewPageTest中找到，支持的功能如下：

• 更新或者添加属性

- (void)testSetAttr {
    NSArray *imgs = [self.doc searchWithXPathQuery:@"//img"];
    
    for (TFHppleElement* element in imgs) {
        NSString* raw = element.raw;
        NSString* tagName = element.tagName;
        NSString* content = element.content;
        NSDictionary* attributes = element.attributes;
        
        NSString* src = [element objectForKey:@"src"];
        
    }
    
    // 设置第一个元素的属性
    if (imgs.count > 0) {
        TFHppleElement* element = imgs.firstObject;
        [self.doc setOrUpdateAttribute:@{@"width": @"13131"} inElement:element];
    }
    
    [self.doc exportXmlDoc];
    
    NSLog(@"=");
}

• 更新节点的内容，比如<p>,<a>,<div>等标签中的内容

- (void)testSetContent {
    NSArray *paragraphes = [self.doc searchWithXPathQuery:@"//p"];
    if (paragraphes.count) {
        TFHppleElement* element = paragraphes.firstObject;
        [self.doc setOrUpdateContent:@"这个是更新替换后的内容" inElement:element];
    }
    
    [self.doc exportXmlDoc];
}

• 删除节点，子接点也会对应的从文档中删除

- (void)testRemoveNode {
    NSArray *paragraphes = [self.doc searchWithXPathQuery:@"//p"];
    if (paragraphes.count) {
        TFHppleElement* element = paragraphes.firstObject;
        [self.doc deleteElement:element];
    }
    
    [self.doc exportXmlDoc];
}

• 导出文档，导出增删改查之后的文档

// 增删改查操作
[self.doc exportXmlDoc];

TODOS

• 文档导出会导致有部分双标签变成了单标签，比如<script>标签，这导致了web浏览器加载HTML文档出问题，目前项目中我使用了两种方法解决这个问题，希望有人如果有更好的方案，可以分享一下。

1. 正则替换script标签

            NSRegularExpression *regularExpression = [NSRegularExpression regularExpressionWithPattern:@"<script.*</script>" options:0 error:nil];
            content  = [regularExpression stringByReplacingMatchesInString:content options:0 range:NSMakeRange(0, content.length) withTemplate:@""];

2. 在script标签中添加一些额外的内容，然后最终生成文档的时候再进行替换

<script src="../js/news-script.js">var abcd;</script>

    htmlString = [htmlString stringByReplacingOccurrencesOfString:@"<![CDATA[var abcd;]]>" withString:@""];

参考链接：
[XML文档解析]libxml2对XML文件的创建、解析、查找、修改
xpth文档
libxml稳定