每个人-长期听众，第一次来电。
我一直在macOS 10.13上使用C中的libtidy。我从示例代码here开始，并修改它以读取本地html文件，而不是使用curl。一切都很好，除了文本。它会找到并输出我的测试文件中的每个标签，但似乎根本无法获取文本，这让我抓狂。
问题代码出现在DumpNode树遍历函数中。我的hacked up版本：
#include <stdio.h>
#include <tidy.h>
#include <tidybuffio.h>
/* Wrapper functions for file i/o */
int w_getc(void* ptr)
{
return getc((FILE *)ptr);
}
void w_ungetc(void *ptr, unsigned char bv)
{
ungetc((int)bv, (FILE *)ptr);
}
Bool w_feof(void *ptr)
{
return (Bool)feof((FILE *)ptr);
}
/* Traverse the document tree */
void dumpNode(TidyDoc doc, TidyNode tnod, int indent)
{
TidyNode child;
for(child = tidyGetChild(tnod); child; child = tidyGetNext(child) ) {
ctmbstr name = tidyNodeGetName(child);
if (!name) {
/* if it doesn't have a name, then it's probably text, cdata, etc... */
TidyBuffer buf;
tidyBufInit(&buf);
if (tidyNodeHasText(doc, child) && tidyNodeGetText(doc, child, &buf)) {
printf("%u, %u, %u\n", buf.size, buf.allocated, buf.next);
printf("%*.*s\n", indent, indent, (buf.bp && buf.size > 0)?(char *)buf.bp:"");
}
tidyBufFree(&buf);
}
dumpNode(doc, child, indent + 4); /* recursive */
}
}
int main(int argc, char **argv)
{
if(argc == 2) {
TidyDoc tdoc;
int err;
FILE *fp;
TidyInputSource insrc;
tdoc = tidyCreate();
fp = fopen(argv[1], "r");
if (!fp) return -1;
if (tidyInitSource(&insrc, fp, &w_getc, &w_ungetc, &w_feof)) {
err = tidyParseSource(tdoc, &insrc); /* parse the input */
if(err >= 0) dumpNode(tdoc, tidyGetRoot(tdoc), 0); /* walk the tree */
}
/* clean-up */
fclose(fp);
tidyRelease(tdoc);
return err;
}
return 0;
}我的编译器字符串：gcc -o TidyExample tidyexample.c -ltidy -DENABLE_DEBUG_LOG -DDEBUG_PPRINT -DDEBUG_INDENT
以下是我迄今为止的推断：
- 当遇到文本节点时，
tidyNodeHasText(doc, child);和tidyNodeGetText(doc, child, &buf);都返回yes。 - 这告诉我
tidyNodeGetText正在像它应该的那样调用漂亮的打印函数。我已经验证了TidyXmlOut或TidyXhtmlOut都没有为doc设置，所以TY_(PPrintTree)应该会触发。 - 由于我使用
-DENABLE_DEBUG_LOG和-DDEBUG_PPRINT，TY_(PPrintTree)应该调用dbg_show_node，但它似乎没有。这可能是因为node == NULL条件提示立即返回，但我Assert了节点的存在，如果它不存在，tidyNodeGetText将返回no，所以这不可能发生。 - 我还尝试设置一个进度回调函数，以便更好地了解其中发生的情况，但奇怪的是，链接器无法识别符号
_tidySetPrettyPrinterCallback。 - 埃塔：我发现了这个，还需要第二个链接库才能正常工作：
-ltidys。我现在可以得到漂亮的打印机的进展。 - 上面的代码片段生成的唯一输出是第一个
printf语句的0, 0, 0\n和第二个语句的\n。 - 顺便说一句，我剽窃的 curl 样本代码？它也有同样的问题。如果运行它，只要它遇到任何文本，就会得到一个segfault，因为它在调用
printf之前不会检查缓冲区中是否有任何内容。
我没办法了。要么我做错了什么（可能），要么libtidy中有一个很大的bug（不太可能，但有可能）。
ETA：这里有一个很小的HTML文件，当你调用TidyExample minimal.html时，通常会导致空缓冲区：
<!DOCTYPE html>
<html>
<head>
<title>Test</title>
<p>This is text.</p>
</body>
</html>
2条答案
按热度按时间2ic8powd1#
好吧，我找到了一个“解决方案”。它完成了工作，但我不知道为什么。
所以，在发现
-ltidys之后，我尝试设置漂亮的打印回调，我发现如果我设置一个，输出将是我所期望的。* 即使我实际上没有设置回调！*说真的，我所要做的就是插入
tidySetPrettyPrinterCallback(tdoc, NULL);行，然后缓冲区就填满了，并像它们应该的那样打印出来。注解掉它，它就停止工作了。我研究了一些与
libtidys.a相关的其他函数，它们似乎具有相同的效果。但我没有做过任何严格的实验。如果有人知道是什么导致了这一点，我很想知道，为了我自己的知识。但我不想再多问了。既然我已经找到了一个解决问题的实用方法，我就暂时不去管它了，而是去做我想使用Tidy的实际项目。
y3bcpkx12#
在macOS上，使用
-ltidy，您将链接到动态的Tidy版本。使用... -o TidyExample tidyexample.c ./libtidy.a编译以确保使用更新的静态库。