24次发布
| 0.7.8 | 2024年1月29日 |
|---|---|
| 0.7.7 | 2022年8月25日 |
| 0.7.5 | 2022年4月18日 |
| 0.7.4 | 2022年3月20日 |
| 0.2.0 | 2021年3月27日 |
#57 in 解析器实现
19,739每月下载量
用于 43 个crate（34个直接使用）
145KB
3.5K SLoC
tl
tl是一个纯Rust编写的快速HTML解析器。
这个crate（目前）并不严格遵循HTML标准的完整规范，然而这通常对大多数用例来说不是问题。这个crate通常尝试支持大多数“合理”的HTML。不受规范的限制提供了更多的优化机会。如果您需要一个可以（非常快速）解析典型HTML文档且需要一个简单的API来操作DOM的解析器，请尝试这个crate。
如果您需要一个严格遵循标准的解析器，请考虑使用 html5ever、lol-html 或 html5gum。
使用方法
将 tl 添加到依赖中。
[dependencies]
tl = "0.7.8"
# or, with explicit SIMD support
# (requires a nightly compiler!)
tl = { version = "0.7.8", features = ["simd"] }
主函数是 tl::parse()。它接受一个HTML源代码字符串并将其解析。需要注意的是，tl目前会静默忽略无效的标签，就像浏览器一样。有时，这意味着HTML文档的大块内容不会出现在结果树中。
let dom = tl::parse(r#"<p id="text">Hello</p>"#, tl::ParserOptions::default()).unwrap();
let parser = dom.parser();
let element = dom.get_element_by_id("text")
.expect("Failed to find element")
.get(parser)
.unwrap();
assert_eq!(element.inner_text(parser), "Hello");
示例
使用查询选择器API查找标签
let dom = tl::parse(r#"<div><img src="cool-image.png" /></div>"#, tl::ParserOptions::default()).unwrap();
let img = dom.query_selector("img[src]").unwrap().next();
assert!(img.is_some());
遍历HTML文档的子节点
let dom = tl::parse(r#"<div><img src="cool-image.png" /></div>"#, tl::ParserOptions::default()).unwrap();
let img = dom.nodes()
.iter()
.find(|node| {
node.as_tag().map_or(false, |tag| tag.name() == "img")
});
assert!(img.is_some());
修改锚标签的`href`属性
在实际场景中，您应该正确处理错误，而不是简单地解包。
let input = r#"<div><a href="/about">About</a></div>"#;
let mut dom = tl::parse(input, tl::ParserOptions::default())
.expect("HTML string too long");
let anchor = dom.query_selector("a[href]")
.expect("Failed to parse query selector")
.next()
.expect("Failed to find anchor tag");
let parser_mut = dom.parser_mut();
let anchor = anchor.get_mut(parser_mut)
.expect("Failed to resolve node")
.as_tag_mut()
.expect("Failed to cast Node to HTMLTag");
let attributes = anchor.attributes_mut();
attributes.get_mut("href")
.flatten()
.expect("Attribute not found or malformed")
.set("https://127.0.0.1/about");
assert_eq!(attributes.get("href").flatten(), Some(&"https://127.0.0.1/about".into()));
SIMD加速解析
这个crate有由解析器使用的工具函数，它们利用SIMD（例如，通过一次查看下一个16个字节来查找特定的字节，而不是逐个遍历字符串）。这些函数默认是禁用的，并且必须通过传递simd功能标志显式启用，因为portable_simd功能不稳定。这需要**夜间**编译器！
如果未启用simd功能，它将回退到稳定的替代方案，这些替代方案不明确使用SIMD内省，但仍然得到了很好的优化，使用诸如手动循环展开等技术来移除边界检查和其他分支，这也有助于LLVM进一步优化代码，并可能自行生成SIMD指令。