为了搞定HTML，这几天在学着用
Tidylib，终于搞明白了，喜滋滋地合并到代码中一测试，傻眼了－－字符集问题。。。
Tidylib的输入流似乎只支持const char*, 因此不的不将std::wstring从‘宽字节’转换为‘多字节。转换了几次，时好时坏，搞到半夜才发现自己所用的几个测试HTML页面都各种包含着不同的字符集，于是字符集问题就出来了，也搞死我了～最后一咬牙，一跺脚，老子我不转了，都用‘RAW’数据好了，‘宽’到‘多’直接用UTF8了。。。于是就有了下面的代码。
int CHtmlTidyObject::Tidy(const std::wstring &input, std::wstring &output)
{
int codepage = CP_UTF8;//54936;//CP_UTF8;
int ret = -1;
TidyDoc tdoc = tidyCreate();
if(tidyOptSetBool(tdoc, TidyMark, no) != yes)
return -1;
if(tidyOptSetInt(tdoc, TidyDoctypeMode, TidyDoctypeOmit) != yes)
return -1;
if(tidyOptSetBool(tdoc, TidyHideComments, yes) != yes)
return -1;
if(tidyOptSetInt(tdoc, TidyWrapLen, 0) != yes)
return -1;
//if(tidyOptSetBool(tdoc, TidyMakeClean, yes) != yes)//css
// return -1;
if(tidyOptSetBool(tdoc, TidyUpperCaseTags, yes) != yes)
return -1;
if(tidyOptSetBool(tdoc, TidyHtmlOut, yes) != yes)
return -1;
if(tidySetCharEncoding(tdoc, "raw") != 0)
return -1;
if(tidyOptSetBool(tdoc, TidyShowWarnings, no) != yes)
return -1;
if(tidyOptSetInt(tdoc, TidyShowErrors, 0) != yes)
return -1;
if(tidyOptSetBool(tdoc, TidyForceOutput, yes) != yes)
return -1;
int sz = WideCharToMultiByte(codepage, 0, input.c_str(), input.size(), NULL, 0, NULL, NULL);
if(sz == -1)
return -1;
char* buf = new char[sz + 1];
sz = WideCharToMultiByte(codepage, 0, input.c_str(), input.size(), buf, sz, NULL, NULL);
if(tidyParseString(tdoc, buf) >= 0)
{
//TidyBuffer errbuf = {0};
//tidySetErrorBuffer( tdoc, &errbuf );
if(tidyCleanAndRepair(tdoc) >= 0)
{
//tidyRunDiagnostics( tdoc );
TidyBuffer outbuf = { 0 };
if(tidySaveBuffer(tdoc, &outbuf) >= 0)
{
//std::cout << "OUTPUT->\n" << outbuf.bp << std::endl;
int wsz = MultiByteToWideChar(codepage, 0, (const char*)outbuf.bp, outbuf.size, NULL, 0);
wchar_t* wbuf = new wchar_t[wsz + 1];
wsz = MultiByteToWideChar(codepage, 0, (const char*)outbuf.bp, outbuf.size, wbuf, wsz);
output = wbuf;
delete [] wbuf;
ret = 0;
}
tidyBufFree(&outbuf);
}
//std::cout << "ERROR->\n" << errbuf.bp << std::endl;
//tidyBufFree(&errbuf);
}
delete [] buf;
tidyRelease(tdoc);
return ret;
} 感觉还有问题，但经过Tidy处理，TinyHtmlParser确实能解析原来解不开的HTML数据了，就先放着吧，测试看看先～唉，HTML从头到尾都是最影响LingosHook的部分，早知道应该多好好找找稳定的Parser，自己造的轮子对路面要求太高了。。。