如何使用 html5ever 解析页面、修改 DOM 并序列化它？

Question

我想解析网页，在特定位置插入锚点并再次呈现修改后的 DOM，以便为 Dash 生成文档集。这可能吗？

从 html5ever 中包含的示例中，我可以看到如何读取 HTML 文件并执行可怜人的 HTML 输出，但我不明白如何修改 RcDom 我检索到的对象。

我希望看到将锚元素 (<a name="foo"></a>) 插入 RcDom 的片段。

注意：这是一个关于 Rust 和 html5 的问题……我知道如何用其他语言或更简单的 HTML 解析器来做。

Answer 1

下面是一些解析文档、向 link 添加锚点并打印新文档的代码：

extern crate html5ever;

use html5ever::{ParseOpts, parse_document};
use html5ever::tree_builder::TreeBuilderOpts;
use html5ever::rcdom::RcDom;
use html5ever::rcdom::NodeEnum::Element;
use html5ever::serialize::{SerializeOpts, serialize};
use html5ever::tendril::TendrilSink;

fn main() {
    let opts = ParseOpts {
        tree_builder: TreeBuilderOpts {
            drop_doctype: true,
            ..Default::default()
        },
        ..Default::default()
    };
    let data = "<!DOCTYPE html><html><body><a href=\"foo\"></a></body></html>".to_string();
    let dom = parse_document(RcDom::default(), opts)
        .from_utf8()
        .read_from(&mut data.as_bytes())
        .unwrap();

    let document = dom.document.borrow();
    let html = document.children[0].borrow();
    let body = html.children[1].borrow(); // Implicit head element at children[0].

    {
        let mut a = body.children[0].borrow_mut();
        if let Element(_, _, ref mut attributes) = a.node {
            attributes[0].value.push_tendril(&From::from("#anchor"));
        }
    }

    let mut bytes = vec![];
    serialize(&mut bytes, &dom.document, SerializeOpts::default()).unwrap();
    let result = String::from_utf8(bytes).unwrap();
    println!("{}", result);
}

这将打印以下内容：

<html><head></head><body><a href="foo#anchor"></a></body></html>

如您所见，我们可以通过 children 属性在子节点中导航。

我们可以更改 Element.

的属性向量中存在的属性

如何使用 html5ever 解析页面、修改 DOM 并序列化它？

How do I parse a page with html5ever, modify the DOM, and serialize it?

rust

servo

html5ever