c++封装libxml2解析网页

libxml2不再介绍，使用的很多，我今天只是分享一下我在使用过程中遇到的一些问题：

1. 解析时候设置合理的选项可以避免在XML解析过程中，将空白部分文本解析为节点；

int opt = XML_PARSE_RECOVER | XML_PARSE_NOBLANKS | XML_PARSE_NOERROR;
Xml2Doc doc = Xml2Doc::tryParseFile(fileName, "", opt);

2. html文件大多都有错误，所以在解析时候需要忽略错误以及提示消息：

XML_PARSE_RECOVER 
XML_PARSE_NOERROR
XML_PARSE_NOWARNING

3. 还有页面不符合XML规范，节点没有闭合，造成XPATH搜不到任何东西，主要是解析树时候名字丢失了，但是通过自己手写深度递归查找还是可以的，

比如有以下一段页面

<div class="SoundBox oh last" data-id="294360">
                <div class="SoundContent">
                    <div class="buttons"><a target="_blank" href="https://www.yespik.com/download-sound_294360_1.html"
                            class="downBtn">立即下载</a><a href="javascript:;" onclick="listFav(294360,this,21)"
                            class="fav favBtn" fav-id="294360" action="add"></a> </div>
                    <div class="SoundTitle"> <a target="_blank"
                            href="https://www.yespik.com/show-sound_294360.html">震撼大气的年会颁奖片头上场背景音乐</a> </div>
                    <div class="SoundPlayer">
                        <div class="SoundDiskBox pr fl SoundDiskBox114 StartPlay" data-id="294360"
                            data-mp3="preview/sound/00/29/43/515ppt-S294360-6C1F5108.mp3" data-width="164">
                            <div class="SoundPlayerBg"></div>
                            <!--<div class="SoundPlayerBtn pa opacity-8 SoundPlayerBtn114"></div>-->
                        </div> 
                         <audio preload="none" data-time="63">
                            <source
                                src="//img-bsy2.yespik.com/sound/00/29/43/60/294360_a4f43b70e64c10553ba7fb8451dcd269.mp3"
                                type="audio/mpeg">
                        </audio>
                        <div class="DurationBox">
                            <div class="SoundStartTime fl star-time">00:00</div>
                            <div class="SoundWave fl pr time-bar"> <span class="progressBar"></span> <i
                                    class="move-color"></i>
                                <p class="timetip"></p>
                            </div>
                            <div class="SoundEndTime fl end-time">01:03</div>
                        </div>
                    </div>
                </div>
            </div>

我需要找到有用的信息，

// https://www.yespik.com/sound/0-5_0_0_0-0-default/p_1/
void testDeepFind()
{
    string fileName = "音效素材下载-音效大全-配乐.htm";
    int opt = XML_PARSE_RECOVER | XML_PARSE_NOBLANKS | XML_PARSE_NOERROR;
    Xml2Doc doc = Xml2Doc::tryParseFile(fileName, "", opt);
    if (doc.isNull())
        return;

    // 根据属性对，递归找到外层
    Xml2NodeArray vec = doc.getByName("div", "class", "SoundContent");
    for (auto& it : vec)
    {
        std::cout << it.getName() << "[ ";
        
        // 从此节点再次找source节点
        Xml2NodeArray srcList = it.getDeepElementsByName("source", "", "");
        if (srcList.size() > 0)
        {
            printAttrs(srcList[0]);
        }
        
        // 从此节点找带有  SoundTitle 属性值的节点，从里面找到文本信息
        Xml2NodeArray titleList = it.getDeepElementsByName("div", "class", "SoundTitle");
        if (titleList.size() > 0)
        {
            Xml2NodeArray txtList = titleList[0].getChildrenByName("a");
            if (txtList.size() > 0)
            {
                string val = StringEncoding::utf8ToAnsi(txtList[0].getValue());
                cout << val;
            }
                
        }
        std::cout << "] \n ";
    }
}

输出信息例如：

源码地址：https://github.com/robinfoxnan/libxml2