alizar 14 авг 2013 в 14:43

Google выпустила парсер HTML5 на чистом Си

1 мин

67K

Веб-разработка*Open source*HTML*

+129

Комментарии 38

sneer 14 авг 2013 в 14:57

Валидатор бы еще от гугла хороший, эх.

НЛО прилетело и опубликовало эту надпись здесь

sch1z0phr3n1a 14 авг 2013 в 15:07

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

+47

REU 14 авг 2013 в 15:37

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

+37

ilyaerin 14 авг 2013 в 16:08

Или купят github

+17

Nagg 14 авг 2013 в 16:10

И закроют его :-)

+98

НЛО прилетело и опубликовало эту надпись здесь

int_index 15 авг 2013 в 01:14

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

+22

eaa 15 авг 2013 в 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».

НЛО прилетело и опубликовало эту надпись здесь

alhimik45 8 апр 2015 в 15:01

А вы были правы… ;)

MTonly 14 авг 2013 в 15:14

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

НЛО прилетело и опубликовало эту надпись здесь

MTonly 14 авг 2013 в 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?

НЛО прилетело и опубликовало эту надпись здесь

MTonly 14 авг 2013 в 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.

НЛО прилетело и опубликовало эту надпись здесь

artyfarty 14 авг 2013 в 20:41

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

НЛО прилетело и опубликовало эту надпись здесь

NSA 21 авг 2013 в 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.

НЛО прилетело и опубликовало эту надпись здесь

NSA 21 авг 2013 в 17:46

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

НЛО прилетело и опубликовало эту надпись здесь

seriyPS 28 авг 2013 в 22:14

А в чем собственно проблема то?

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

НЛО прилетело и опубликовало эту надпись здесь

WaveCut 14 авг 2013 в 17:54

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

ostapbender 14 авг 2013 в 15:20

Странно, что не на Golang.

+10

Indexator 14 авг 2013 в 15:32

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

corbenov 14 авг 2013 в 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 14 авг 2013 в 18:28

HTML5 is not an option

+11

corbenov 14 авг 2013 в 20:13

Спасибо

Gariks 15 авг 2013 в 10:28

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

-4

НЛО прилетело и опубликовало эту надпись здесь

iago 15 авг 2013 в 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 15 авг 2013 в 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.