iOS 解析 html

在iOS开发中，app数据的来源，有可能是通过解析html。我一般是通过使用hpple三方库，来解析自己想要的数据。以下以解析新浪股票的某个模块为例，简单展示一下hpple的使用。

1. hpple的安装 

查询了一下hpple的版本信息，然后通过pod 将其集成到工程中。

2. 要解析的内容

解析的网址链接为 https://finance.sina.com.cn/stock/ ，下边红色框内为解析时显示的内容。我们要获取到每条新闻的标题、时间以及该条新闻对应的详情链接。

3. 解析流程

3.1 下边的代码片段即为以上新闻对应的html 部分（html格式都是一样的，为了避免代码片段太长，我将姚记扑克这条新闻之后的4条内容删除了）

<ul class="list04">
    <li>
        <span>17:39</span>
        <p>
            <a target="_blank" title="光洋股份股东称减持不超过5.71% 此前11天10涨停" href="https://finance.sina.com.cn/stock/s/2018-11-22/doc-ihmutuec2669357.shtml">光洋股份股东称减持不超过5.71% 此前11天10涨停</a>
        </p>
    </li>
    <li>
        <span>17:25</span>
        <p>
            <a target="_blank" title="银河承销首单纾困私募债 特锐德控股股东获4亿" href="https://finance.sina.com.cn/stock/s/2018-11-22/doc-ihpevhck1477054.shtml">银河承销首单纾困私募债 特锐德控股股东获4亿</a>
        </p>
    </li>
    <li>
        <span>16:20</span>
        <p>
            <a target="_blank" title="11月22日上市公司晚间公告速递" href="https://finance.sina.com.cn/stock/s/2018-11-22/doc-ihmutuec2643347.shtml">11月22日上市公司晚间公告速递</a>
        </p>
    </li>
    <li>
        <span>16:05</span>
        <p>
            <a target="_blank" title="苏常柴A：近日出售江苏银行1000万股股票" href="https://finance.sina.com.cn/stock/s/2018-11-22/doc-ihpevhck1324957.shtml">苏常柴A：近日出售江苏银行1000万股股票</a>
        </p>
    </li>
    <li>
        <span>16:00</span>
        <p>
            <a target="_blank" title="正业科技收关注函 要求就利润分配预案等进行说" href="https://finance.sina.com.cn/stock/s/2018-11-22/doc-ihpevhck1312223.shtml">正业科技收关注函 要求就利润分配预案等进行说</a>
        </p>
    </li>
    <li>
        <span>15:33</span>
        <p>
            <a target="_blank" title="15亿买微信公号失败后 骅威文化实控人立即甩卖" href="https://finance.sina.com.cn/stock/s/2018-11-22/doc-ihmutuec2626264.shtml">15亿买微信公号失败后 骅威文化实控人立即甩卖</a>
        </p>
    </li>
</ul>

3.2 解析环节

// 解析股票新闻
- (void)parseStockNews {
    
    // 根据链接获取对应的 NSData 数据
    NSData *data = [[NSData alloc] initWithContentsOfURL:[NSURL URLWithString:@"https://finance.sina.com.cn/stock/"]];
    
    // 根据data创建TFHpple实例
    TFHpple *doc = [[TFHpple alloc] initWithHTMLData:data];
    
    // 根据标签进行过滤
    NSArray *elements = [doc searchWithXPathQuery:@"//ul[@class='list04']"];
    
    // 循环查找子节点
    for (int i = 0; i < elements.count; i++) {
        
        // 获取单个ul节点
        TFHppleElement *ulE = [elements objectAtIndex:i];
        
        // 查找该ul节点下边名称为li的子节点
        NSArray *liArr = [ulE childrenWithTagName:@"li"];
        
        // 遍历获取到的所有li子节点
        for (TFHppleElement *liE in liArr) {
            
            // 每个li节点下边的第一个子节点为时间信息
            TFHppleElement *timeE = liE.firstChild;
            
            // 获取到时间
            NSString *timeStr = [timeE text];
            
            // 查找li节点下边的p节点，因为就一个p节点，所有我们取第一个p节点
            TFHppleElement *pE = [[liE childrenWithTagName:@"p"] firstObject];
            
            // p节点有一个a子节点，所以我们取到a节点
            TFHppleElement *aE = [[pE childrenWithTagName:@"a"] lastObject];
            
            // a节点的内容为 标题
            NSString *titleStr = [aE text];
            
            // 根据a节点的href属性，获取到具体的新闻链接地址
            NSString *urlStr = [aE objectForKey:@"href"];
            
            if (!timeStr || !urlStr || !titleStr) {
                continue;
            }
            NSLog(@"Stock News:\n时间：%@\n标题：%@\n链接：%@\n",timeStr,titleStr,urlStr);
        }
    }
}

4. 总结

我个人感觉 hpple 真的挺好用的，不过在使用过程中，还是要注意一些问题。比如，

4.1 有的html 节点内容或者属性值为空，这就会导致解析到的内容为空，针对这种情况，在解析的过程中，我们要对解析的结果进行相应的空判断，做到从数据源去除脏数据。

4.2 有的html 格式不是很规范，这样在解析具体节点内容时，会导致读取失败的情况，进而引发crash问题。当然，如果是html 是从后台返回的数据，那么最好是让后台将格式规范化；如果是扒的网页数据，那只能是自己多测测，在发现问题的地方，加以判断，具体问题具体分析。

4.3  因为以上新闻内容是随着时间变化的，所以要学会举一反三。

5. 我在demo 里边，一共解析了三种链接（以上链接包括在内），如有兴趣可以查看。
Demo 地址 https://github.com/coolpeng/HppleParseHtml