對於GNU C 下的html tidy編程的問題

最近正在上網路實驗課程，正好到了本文的提取，而老師要求使用Dom-Tree來進行提取，需要我們提取將html轉化成為xml，不是正在學習GNU C編程嘛，就想自己寫一個的，蛋疼的發現html轉化xml好象不是一兩天的事，就想著是不是有什麼工具（嘿嘿，比較懶，技術比較挫），突然發現一款神器 -- html tidy。這個軟體可以協助我們修正html中的常見的源碼問題（丟失結束標籤等）同時可以將html轉化成為標準的XHTML，很不錯。於是在網上搜尋tidy的GNU C的API介面的包，發現基本上沒有關於GNU C上的使用tidy API的了，基本上是JTIDY等等一類的（看來在GNU C沒有很多人用阿，但是我必須試試）。後來發現了其實在linux下對於tidy的支援基本上是處於原生的狀態，只是沒有提供預設安裝。

1. 首先安裝tidy這個軟體，使用下面這個命令：

 

sudo apt-get install tidy

 

    或者進入新立得軟體包安裝tidy，如：

 

    圖 1-1

   

    圖 1-2

   

2. 安裝完成之後並不能直接在GNU C程式的編寫中使用API，因為其不帶安裝包，這需要我們進入新立得軟體包安裝其開發包，其實上就是在/usr/include裡面添加tidy的標頭檔這樣，我們可以程式中添加標頭檔，然後這樣可以使用tidy的API了，安裝軟體包如：

    圖 2-1

    

    其實上 libtidy-dev這個包就是添加了幾個.h的標頭檔了，如：

    

3. 在安裝完成之後，就可以開始編寫程式了，注意添加標頭檔，如的標頭檔在/usr/include/tidy下，所以添加標頭檔的時候是添加 #include <tidy/tidy.h> 類     型的, 如下的簡單程式(這個是tidy官網的例子程式)：

   

#include <tidy/tidy.h>#include <tidy/buffio.h>#include <stdio.h>#include <errno.h>int main(int argc, char **argv ){  const char* input = "<title>Foo</title><p>Foo!";  TidyBuffer output = {0};  TidyBuffer errbuf = {0};  int rc = -1;  int ok;  TidyDoc tdoc = tidyCreate();                     // Initialize "document"  printf( "Tidying:\t%s\n", input );  ok = tidyOptSetBool( tdoc, TidyXhtmlOut, yes );  // Convert to XHTML  if ( ok )    rc = tidySetErrorBuffer( tdoc, &errbuf );      // Capture diagnostics  if ( rc >= 0 )    rc = tidyParseString( tdoc, input );           // Parse the input  if ( rc >= 0 )    rc = tidyCleanAndRepair( tdoc );               // Tidy it up!  if ( rc >= 0 )    rc = tidyRunDiagnostics( tdoc );               // Kvetch  if ( rc > 1 )                                    // If error, force output.    rc = ( tidyOptSetBool(tdoc, TidyForceOutput, yes) ? rc : -1 );  if ( rc >= 0 )    rc = tidySaveBuffer( tdoc, &output );          // Pretty Print  if ( rc >= 0 )  {    if ( rc > 0 )      printf( "\nDiagnostics:\n\n%s", errbuf.bp );    printf( "\nAnd here is the result:\n\n%s", output.bp );  }  else    printf( "A severe error (%d) occurred.\n", rc );  tidyBufFree( &output );  tidyBufFree( &errbuf );  tidyRelease( tdoc );  return rc;}

4. 由於安裝的API的包只是標頭檔，直接進行編譯會報 undefined reference to 的錯誤，這個是由於沒有實現，只有聲明，所以我們前面安裝的 libtidy-0.99-0就有用了，這個是tidy的動態連結程式庫，在/usr/lib下安裝了libtidy.so這個檔案，所以我們編譯的時候要使用這個動態連結程式庫，這樣就不會報有聲明，沒實現的錯誤了，編譯的命令如下：

gcc 檔案名稱.c -L /usr/lib -ltidy

 

這樣就成功了，可以在GNU C下使用tidy的API了。

 

總結一下，其實我們這裡只需要libtidy-dev的4個標頭檔，libtidy.so這個動態連結程式庫，然後在程式編譯的時候，添加動態連結程式庫即可，沒有想象中的那麼難，基本上幾步可以操作完成，感覺原生支援，可能是在GNU C上面的沒有那麼多人去搞這個玩意兒，反而在java上面搞得比較的多，所以文章也多。寫下這篇文章紀念以下我浪費的半天時間，同時也能夠協助後面那麼不知道這麼在GNU C上使用tidy的同學們，免得浪費那麼多時間。