学步园

使用XPath解析html

在项目中找到Header Search Paths，加入/usr/include/libxml2

NSString *urlString =nil;

urlString =@"http://www.xiyou.edu.cn/new/lm.jsp?urltype=tree.TreeTempUrl&wbtreeid=724";

NSData *htmlData = [[NSData alloc] initWithContentsOfURL:[NSURLURLWithString:urlString]];

NSData *toHtmlData =[self
toUTF8:htmlData];

TFHpple *xpathParser =[[TFHpple
alloc] initWithHTMLData:toHtmlData];

NSArray*aArray = [xpathParser
searchWithXPathQuery:@"//a"];

if ([span count] >
0) {

          for (int i =
87; i < 102; i++) {

                      //从<a>的第82个开始取值，共获取15个值

              TFHppleElement *aElement = [aArrayobjectAtIndex:i];   

              NSArray *aArr = [aElement
children];

              TFHppleElement *aEle = [aArr
objectAtIndex:0];

              NSArray *aChild = [aEle
children];

              TFHppleElement *aChildEle = [aChildobjectAtIndex:0];

              NSArray *aChildren = [aChildElechildren];

              NSString *aStr = [[aChildren
objectAtIndex:0]
content];

             
NSLog(@"aStr:%@",aStr);

              NSDictionary *aAttributeDict = [aElementattributes];

             
NSLog(@"aAttributeDict:%@",aAttributeDict);

                       //获取a中的属性值

              NSString *hrefStr = [NSString
stringWithFormat:@"http://www.xiyou.edu.cn%@",[aAttributeDictobjectForKey:@"href"]];

             NSLog(@"hrefStr:%@",hrefStr);

              [currentNewsArr
addObject:aStr];

              [currentHrefArr
addObject:hrefStr];

           }

[htmlData release];

[xpathParser release];

}

//如果解析的网页不是utf8编码，如gbk编码，可以先将其转换为utf8编码再对其进行解析

-(NSData *)toUTF8:(NSData *)sourceData { 

   CFStringRef
gbkStr =CFStringCreateWithBytes(NULL,[sourceData bytes],[sourceData length],kCFStringEncodingGB_18030_2000,false);
 

   if (gbkStr ==
NULL) {  

      returnnil;  

    } else {  

      NSString*gbkString = (NSString*)gbkStr; 

      //根据网页源代码中编码方式进行修改，此处为从gbk转换为utf8

           NSString
*utf8_String =[gbkString stringByReplacingOccurrencesOfString:@"METAhttp-equiv="Content-Type" content="text/html; charset=GBK"" 

                                                          withString:@"META http-equiv="Content-Type"content="text/html; charset=UTF-8""]; 

      return[utf8_String
dataUsingEncoding:NSUTF8StringEncoding];                        

    }                               

}