alizar Aug 14 2013 at 14:43

Google выпустила парсер HTML5 на чистом Си

1 min

67K

Website development*Open source*HTML*

+129

Comments 38

sneer Aug 14 2013 at 14:57

Валидатор бы еще от гугла хороший, эх.

UFO just landed and posted this here

sch1z0phr3n1a Aug 14 2013 at 15:07

Забавно что выложили на github, а не на code.google.com :)

+47

REU Aug 14 2013 at 15:37

Да, это первое, что бросилось в глаза.
Видимо в скором времени они закроют и этот сервис. :)

+37

ilyaerin Aug 14 2013 at 16:08

Или купят github

+17

Nagg Aug 14 2013 at 16:10

И закроют его :-)

+98

UFO just landed and posted this here

int_index Aug 15 2013 at 01:14

Да, мысль материальна как электрохимические взаимодействия в мозге. Мистифицировать здесь нечего.

+22

eaa Aug 15 2013 at 11:47

Она еще материальна в том смысле, что один высказал, типа пошутил, второй задумался, а третий родил очередной закон типа «закрыть все интернеты страны, ибо это вредно».

UFO just landed and posted this here

alhimik45 Apr 8 2015 at 15:01

А вы были правы… ;)

MTonly Aug 14 2013 at 15:14

Может быть, этим парсером, наконец, заменят тот впечатляющий HTML-парсер, который имеет место в PHP сейчас.

UFO just landed and posted this here

MTonly Aug 14 2013 at 17:58

Возможно, мы говорим о разных вещах. Я говорю, в частности, о методе DOMDocument::loadHTML(). Что и как вы предлагаете в этом случае выбирать?

UFO just landed and posted this here

MTonly Aug 14 2013 at 18:47

Да, DOMDocument в части разбора и сохранения HTML-кода — кривая и по сути непригодная для сколь-нибудь серьёзного использования надстройка над libXML.

Tidy (даже абстрагируясь от того, что он редко бывает по умолчанию доступен на большинстве хостингов) для разбора HTML-кода не предназначен.

html5lib — чисто скриптовое решение, о недостатках скриптовых решений (главным образом что касается быстродействия) всем нам хорошо известно.

Достоинство Gumbo в том, что он написан на C (в отличие от Java, на котором написан канонический HTML5-парсер validator.nu, используемый в Firefox путём автоматического преобразования в C++) и потенциально может быть легко интегрирован в PHP (написанный на том же C) вместо существующего HTML-парсера.

UFO just landed and posted this here

artyfarty Aug 14 2013 at 20:41

Для очистки я нашел для себя прекрасный ezyang/htmlpurifier
А чтобы что-то выдрать из кода есть phpQuery.

UFO just landed and posted this here

NSA Aug 21 2013 at 16:53

С этим XPath вообще странная ситуация. Как ни посмотришь резюме веб-девелоперов, так у каждого второго значится «XSLT» в списке скиллов. А как пойдёт речь о выборке элемента из HTML документа, так про XPath вспоминают в последнюю очередь.

UFO just landed and posted this here

NSA Aug 21 2013 at 17:46

Если прогнать через tidy, то получается вполне корректный XML документ.

UFO just landed and posted this here

seriyPS Aug 28 2013 at 22:14

А в чем собственно проблема то?

Даже в браузере в FireBug можно XPath запускать типа $x("/html/body/title")

UFO just landed and posted this here

WaveCut Aug 14 2013 at 17:54

В конце концов, имея такой инструмент, можно написать свое расширение и помочь миру!

ostapbender Aug 14 2013 at 15:20

Странно, что не на Golang.

+10

Indexator Aug 14 2013 at 15:32

Думаю, это лишь из соображений большей кроссплатформенности C, чем Go…

corbenov Aug 14 2013 at 17:58

Это отлично, тем более что есть байндинги на Питон.
Я вот только не понял — библиотека вроде только html5 парсит. А как быть с более древними HTML 4.01 and XHTML? То-есть получается что применение библиотеки пока узко специализированное.

MTonly Aug 14 2013 at 18:28

HTML5 is not an option

+11

corbenov Aug 14 2013 at 20:13

Спасибо

Gariks Aug 15 2013 at 10:28

Грядет новая волна поделий начинающих «какеров».
Ждем высокоскоростные чекеры, кликеры, спаммеры и т.п. :)

-4

UFO just landed and posted this here

iago Aug 15 2013 at 12:06

его писали на Си не для того, чтобы повысить скорость исполнения кода в десятки раз.

Простите мое невежество, а для чего тогда? Кроссплатформенность?

Flex25 Aug 15 2013 at 13:11

В оригинале немного иначе написано: скорость большая благодаря Си, но это не главное…

Execution speed. Gumbo gains some of this by virtue of being written in C, but it is not an important consideration for the intended use-case, and was not a major design factor.

Dmor Aug 23 2013 at 17:38

Из этого все равно непонятно, зачем он написан именно на C.

REU Aug 23 2013 at 20:53

Что бы можно было собрать его под любое устройство.

seriyPS Aug 15 2013 at 23:30

Никто не хочет его добавить к бенчмарку habrahabr.ru/post/163979/?

Show the best of all time