Как вытянуть значение HTML тэга с помощью Delphi

[krulik]

Коротко объясню суть проблемы. Хочу сделать нечто вроде оболочки под справочник. Все статьи хранятся в виде отдельных HTML документов. Мне необходимо при запуске оболочки перебрать все эти файлы. При этом считать содержимое тэга <TITLE> </TITLE> (для формирования содержания). Так вот вопрос возник как считать содержимое этогго тэга в каждом доке.
Я в делфи аматор по этому не пинайте ногами пожалуйста.

Все наверно видели справочник DelphiWorld (если нет то он вот тут www.delphiworld.narod.ru).Так вот мне надо создать нечто похожее. Помогите пожалуйста.

[x77]

есть два варианта.

первый - тупо читать все страницы, и из каждой выдирать значение тэга великой и могучей функцией Copy. если тэг стоит первым (что, в общем, далеко не факт) - достаточно прочитать первую строку куда-то в "s". чтобы не заморачиваться с регистром, имеет смысл всю строку преобразовать в верхний

Код:

s := AnsiUpperCase (s))

. далее находим начало и конец собственно заголовка:

Код:

StartN := Pos ('<TITLE>', s) + 7; 
EndN := Pos ('</TITLE>', s);

теперь осталось прочитать сам заголовок:

Код:

Title := Copy (s, StartN, EndN - StartN - 1);

код не компилял, так что скорее всего надо будет подправить мелочи, чтобы не читались лишние символы.

способ второй. все страницы заранее хранятся в некоем файле. например, такого вида:

Код:

Title1=Path1
Title2=Path2
...

этот файл прога загружает при запуске в некий Titles: TStringList. теперь доступ ко всем статьям мы можем получить через методы и свойства самого стринглиста: Names (список всех тем), Values (список путей к файлам, где лежат эти темы) и т.д.

второй способ существенно проще, но он потребует дополнительных телодвижений (хоть и несущественных) для организации проги (т.е. - набивки самого файла). первый способ проще тем, что для него достаточно просто положить в определённое место статью. кроме того, для него можно ввести свои собственные теги (автор, ссылки, дата и пр.), которые браузер видеть не будет, но которые будет благополучно обрабатывать программа.

[krulik]

Спасиб за помощь. А как нащет парсинга? Мне вот на одном форуме посоветовали пропарсить файл и таким образом вытянуть содержимое. Вот говорят можно использовать вот это (регулярные выражения) http://regexpstudio.com/RU/TRegExpr/TRegExpr.html
Вот код прислали написанный с использованием функций класа TRegExpr:

Код:

procedure TForm1.Button1Click(Sender: TObject);
 function GetTitleTag(const S: String): String;
 begin
   with TRegExpr.Create do
   try
     Expression := '^(?im).*?<title>(.*?)</title>.*$';
     if Exec(S)
       then Result := Match[1]
       else Result := 'No title found';
   finally
     Free;
   end;
 end;

var
 Html: TStringList;
begin
 Html := TStringList.Create;
 try
   Html.LoadFromFile('WinSock Programming.html');
   ShowMessage(GetTitleTag(Html.Text));
 finally
   Html.Free;
 end;
end;

С TRegExpr только начал знакомится (да и с регулярными выражениями вообще), но ознакомившись с синтаксисом был поражен возможностям.

[x77]

а разбор строки "руками"- вы парсингом не считаете, стало быть? или парсинг - это только то, что делает данный конкретный компонент? )

ради бога, это уже вопрос удобства. я использую сторонние компоненты только там, где без них физически нельзя обойтись. например, использую FIB+ из-за достаточно критичных глюков родных IBX. в данном случае ради вытаскивания одной единственной строки из файла я бы не юзал чужой код. если для каждой подобной мелочи ставить новые компоненты - ты представляешь, сколько пакетов придётся тащить вместе со своим кодом? но это лирика.

если по существу - первый пример как раз и осуществляет "парсинг" строки. как он будет реализован в конечном итоге - дело хозяйское.

[krulik]

x77 зря так отреагировал на мой последний пост. Я в программировании аматор и слово ПАРСИНГ для меня нечто новое было. Так что когда я спросил  "как нащет парсинга?" я неособо понимал что это такое. Но сейчас почитав малек мне все понятно. А по поводу TRegExpr то ИМХО очень удобно. И по сути зачем придумывать велосипед если он уже придуман.

x77 все равно огромное спасибо за помощь. Я знал что на этом форуме таких как я не упрекают (как на некоторрых форумах) за такие вопросы и ответы.

[Серж]

А можно использовать компоненту TXMLDocument,
она есть в Delphi 6 и далее.

[x77]

1. я не упрекал ни в коем случае. просто с моей точки зрения, когда приводишь пример парсинга, а тебя спрашивают: всё это хорошо, но как насчёт парсинга?" - это забавно. что я и выразил несколькими смайлами.

2. я и не говорю, что неудобно. но в самих дельфях есть штатный класс - TParser, от которого можно унаследоваться и добавить свой функционал. пойми, если у тебя есть необходимость, например, писать синтаксический анализатор - да, может быть, есть смысл заюзать готовый сторонний компонент. но юзать его ради поиска одной единственной подстроки в наборе файлов - неразумно. потому что потом тебе понадобиться раз в году сложить два и два, и ради этого ты добавить в прогу TSuperCalculator с тремя килограммами dll и собственным com-интерфейсом, и т.д. в итоге, если тебе придётся тривиально переустановить винду на компе, твой проект просто не откомпилиться - тебе придётся ставить все использованные в нём сторонние компоненты. поэтому я противник использовать их без крайней необходимости, как бы они не были удобны. тем более, что включаемый в прогу функционал этого TRegExpr ты будешь использовать максимум на 1%.

3. ещё раз, я не упрекаю, я просто высказываю своё мнение по задаваемым здесь вопросам. u r welcome и всё такое. просто по ряду вопросов наши с тобой мнения не совпали, вот и всё, с чем и почему я не согласен - я сказал

[x77]

Серж, буду спорить до конца )

именно подобный подход (использовать достаточно навороченные компоненты для задач, которые решаются написанием одной единственный собственной функции) виноват появлении на форумах вопросов, типа "какой компонентой в дельфях объявить переменную?". для данной конкретной задачи никакие компоненты не нужны. надо просто написать пять строчек кода. может быть, 10, если считать перебор файлов в директории. использовать TXmlDoc и прочее ради поиска подстроки в файлах, это примерно тоже самое, что добавить TDataSet, чтобы хранить в нём кол-во запусков программы.

[Серж]

Если нужно прочитать только один тег, то конечно компоненты подобного рода не нужны, но аппетит приходит во время еды, и любая информация может оказаться полезной.

[krulik]

Решил сказать два слова про TRegExpr. В состав  TRegExpr входит лишь один pas файл (который естественно добавляется в проект и на этом все). Так что проблем при переустановке никаких не возникнет с поиском утеряных dll. Ну а если честно то я полностью согласн с х77 по поводу использования сторонних библотек.

[x77]

в продолжение разговора. изо всех сторонних парсеров самым простым и удобным мне показался вот этот: http://www.torry.net/vcl/internet/html/hparse.zip. у него есть одно неудобное свойство, он работать только с файлами на диске, но если в него добавить одно свойство:

Код:

  public
    ...
    property Content: TStringList read FileLines write FileLines;
    ...
  end;

,

то юзать можно будет и "на лету". кроме того, его не надо инсталлировать, просто копируем два файла в свой проект и говорим "uses ...".

а вот что касается TRegExpr, то сей компонент, как пишут сами авторы, совершенно не предназначен для парсинга html. и я с ними вполне согласен. это тулза для синтаксического разбора, но никак не для парсинга, работает она рекурсивно, что для сложных выражений на больших html-документах может стать засадой, и т.д.