VPF::преобразовать строку Unicode HTML в WideString

GrigoriyFomin

Дата 11.1.2011, 01:44 (ссылка)

(нет голосов)

Загрузка ...

Шустрый

Профиль
Группа: Участник
Сообщений: 84
Регистрация: 16.11.2010

Репутация: нет
Всего: нет

Подскажите, как преобразовать файл HTML в кодировке UTF-8 (русские символы хранятся в виде и а так же всякие "
& < >   ) в обычную строку UNICODE Delphi.

CodeMonkey

Дата 11.1.2011, 15:35 (ссылка)

(нет голосов)

Загрузка ...

Эксперт

Профиль
Группа: Завсегдатай
Сообщений: 1839
Регистрация: 24.6.2008
Где: Россия, Тверь

Репутация: 38
Всего: 89

UTF-8 с " & < >   никак не связан.

Приведи пример исходных данных, а ещё лучше - озвучь задачу.

--------------------

Опытный программист на C++ легко решает любые не существующие в Паскале проблемы.

GrigoriyFomin

Дата 11.1.2011, 21:26 (ссылка)

(нет голосов)

Загрузка ...

Шустрый

Профиль
Группа: Участник
Сообщений: 84
Регистрация: 16.11.2010

Репутация: нет
Всего: нет

Задача - есть HTML-файл, в нем русский текст задан в виде кодов UTF-8, разные служебные сокращения амерсандов, кавычек и проч. Как получить голый текст без тэгов в нормальной кодировке Unicode. Нужен именно скоростной способ. Можно конечно загнать текст в TWebbrowser и получить текст из него, но это пушкой по воробьям, вручную парсить - как-то не эстетично, хотя наверное придется smile

))))

Вот пример такого текста
ство Республики Молдова<br>

Есть ли красивое решение, как это перевести в обычную String.

Keeper89

Дата 11.1.2011, 21:53 (ссылка)

(нет голосов)

Загрузка ...

Эксперт

Профиль
Группа: Завсегдатай
Сообщений: 2580
Регистрация: 26.2.2009

Репутация: 20
Всего: 58

Работать можно через DOM (innerText). Вот пример:

Код


unit Unit1;

interface

uses
  Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,
  Dialogs, StdCtrls, IdBaseComponent, IdComponent, IdTCPConnection,
  IdTCPClient, IdHTTP;

type
  TForm1 = class(TForm)
    IdHTTP1: TIdHTTP;
    Button1: TButton;
    lblName: TLabel;
    lblPrice: TLabel;
    edtName: TEdit;
    edtPage: TEdit;
    edtPrice: TEdit;
    lblDescription: TLabel;
    mmoDescription: TMemo;
    procedure Button1Click(Sender: TObject);
  private
    { Private declarations }
  public
    { Public declarations }
  end;

var
  Form1: TForm1;

implementation

uses
  MSHTML, activex;

{$R *.dfm}

procedure TForm1.Button1Click(Sender: TObject);
const
  HTML_DIV_PRODUCT_INFO = 'proddet-topbox-prodinfo';
  HTML_DIV_PRODUCT_NAME = 'H1';
  HTML_DIV_PRODUCT_DESCRIPTION = 'P';
  HTML_DIV_PRODUCT_PRICE = 'DIV';
  HTML_DIV_PRODUCT_PRICE_DIV_ID = 'priceBox';
var
  pageHTMLCode: string;
  HTMLDocument: IHTMLDocument2;
  divsHTML, divProductInfo: IHTMLElementCollection;
  curElement: IHTMLElement;
  v: OleVariant;
  i, j: Integer;
  productName, productDescription, productPrice: string;
begin
  pageHTMLCode := IdHTTP1.Get(edtPage.Text);

  HTMLDocument := coHTMLDocument.Create as IHTMLDocument2;
  if not Assigned(HTMLDocument) then
    raise Exception.Create('Не удалось создать HTML-документ!');
  v := VarArrayCreate([0,0],VarVariant);
  v[0] := pageHTMLCode;
  HTMLDocument.write(PSafeArray(TVarData(v).VArray));

  divsHTML := HTMLDocument.all.tags('div') as IHTMLElementCollection;
  for i := 0 to divsHTML.length - 1 do
  begin

    curElement := divsHTML.item(i, 0)as IHTMLElement;
    if curElement.id <> HTML_DIV_PRODUCT_INFO then
      Continue;

    divProductInfo := curElement.children as IHTMLElementCollection;
    for j := 0 to divProductInfo.length - 1 do
    begin
      curElement := divProductInfo.item(j, 0) as IHTMLElement;
      if curElement.tagName = HTML_DIV_PRODUCT_NAME then
        productName := Utf8ToAnsi(curElement.innerText)
      else if curElement.tagName = HTML_DIV_PRODUCT_DESCRIPTION then
        productDescription := Utf8ToAnsi(curElement.innerText)
      else if (curElement.tagName = HTML_DIV_PRODUCT_PRICE) and
        (curElement.id = HTML_DIV_PRODUCT_PRICE_DIV_ID) then
      begin
        curElement := (curElement.children as IHTMLElementCollection).item(0, 0) as IHTMLElement;;
        curElement := (curElement.children as IHTMLElementCollection).item(0, 0) as IHTMLElement;;
        productPrice := Utf8ToAnsi(curElement.innerText);
      end;
    end;

    Break;
  end;

  edtName.Text := productName;
  mmoDescription.Text := productDescription;
  edtPrice.Text := productPrice;

  ShowMessage('Готово!');
end;

end.

--------------------

Cogito, ergo sum

Keeper's blog
CnWizards Downloads

user posted image

0 Пользователей читают эту тему (0 Гостей и 0 Скрытых Пользователей)
0 Пользователей:
« Предыдущая тема \| Delphi: Общие вопросы \| Следующая тема »