[C++] 328 BBS閲覧アプリの製作 その14 Fl_Tableの行番号取得 user_data メモリアドレス確認

[M1 Mac, MacOS Ventura 13.3.1, clang 14.0.3]

Fl_Tableに設定したFl_Buttonに行番号を仕込み、クリック時に取り出せるようにしました。

初めはクリックしたボタンのラベル(スレッドタイトル)からスレッドIDを検索していたのですが、重複スレッドがある場合は検索結果がおかしくなるため、行番号でスレッドIDを検索するようにしました。

この実装がかなり難航しました。いよいよLLDBデバッガの出番かという手前で何とか解決させました。

行番号をメモリに格納させたまではよかったのですが、コールバック関数の方で正しいメモリアドレスを受け取れていませんでした。

検証方法を書き留めておきます。

void WidgetTable::SetSize(int newrows, int newcols) {
    <略>
    // 行番号rをuserDataとしてメモリに格納しFl_Buttonに紐付ける
    int* userData = new int(r);
    int rowPos = *static_cast<int*>(userData);
    cout << "rowPos: " << rowPos << " userData: " << userData << endl;

    Fl_Button *btn = new Fl_Button(X,Y,W,H);
    btn->user_data((void*)userData);
    btn->callback(button_cb);

// コールバック関数でメモリアドレスと行番号を確認
void button_cb(Fl_Widget *w, void* userData) {
    int rowPos = *static_cast<int*>(userData);
    cout << "userData: " << userData << endl;
    cout << "rowPos: " << rowPos << endl;
// userDataを正常に渡せた場合 : クリックした行番号9のメモリアドレスが一致している

rowPos: 0 userData: 0x6000015c1fa0
rowPos: 1 userData: 0x6000015c25f0
rowPos: 2 userData: 0x6000015c1fb0
rowPos: 3 userData: 0x6000015c2060
rowPos: 4 userData: 0x6000015c1fc0
rowPos: 5 userData: 0x6000015c2070
rowPos: 6 userData: 0x6000015c20c0
rowPos: 7 userData: 0x6000015c2160
rowPos: 8 userData: 0x6000015c2110
rowPos: 9 userData: 0x6000015c20d0 <-
rowPos: 10 userData: 0x6000015c21b0

// ボタンをクリック時(コールバック関数実行)
userData: 0x6000015c20d0 <- メモリアドレスが一致
rowPos: 9

[C++] 327 BBS閲覧アプリの製作 その13 右寄せ用Fl_Input継承クラス

[M1 Mac, MacOS Ventura 13.3.1, clang 14.0.3]

スレッド番号とレス数をFl_Inputで左寄せ表示していたのですが、継承クラスで右寄せ用にしました。

narkiveという掲示板で17年前(2006年)にコードがアップされていました。クラスファイル化して使わせていただきます。ありがたいことです。

Fl_InputではGUI上のデータを編集できてしまうので、本当はFl_Boxで表示させたいのですが上手くできません。

あとレス表示欄も改行を入れるなどして見やすくしました。

次に手掛けるとしたら、スレッド一覧やスレッドのリロード、未読レスのカウントあたりでしょうか。

今のところ画像表示はできませんが、AIを使って内容の安全性を確認できたら面白いかもしれません。

それにしてもFLTKに関してはChatGPTは役に立たないどころか、あることないことでっち上げてマイナス面が大きいです。ネット情報、ユーザーの少なさの証左でもあり寂しくなります。

#include "InputRt.h"

InputRt::InputRt(int x, int y, int w, int h, const char *title = 0) : Fl_Input(x, y, w, h, title){};

InputRt::~InputRt(){}

void InputRt::draw(void){
	if (input_type() == FL_HIDDEN_INPUT) return;

	// Simplest to just redraw the whole box every time...
	Fl_Boxtype b = box();
	damage(FL_DAMAGE_ALL);
	draw_box(b, color());

	int xo = x()+Fl::box_dx(b);
	int yo = y()+Fl::box_dy(b);
	int wo = w()-Fl::box_dw(b);
	int ho = h()-Fl::box_dh(b);
	int wt, ht;
	char buf[128];

	// How long is the string to display?
	strncpy(buf, value(), 128);
	wt = 0; ht = 0;
	fl_measure(buf, wt, ht);

	// Make the text window be at the right hand end
	wt = wt + 5;
	xo = xo + wo - wt;
	wo = wt;

	// Update the text window
	Fl_Input_::drawtext(xo, yo, wo, ho);
}
#include <string.h>
#include <FL/Fl.H>
#include <FL/fl_draw.H>
#include <FL/Fl_Double_Window.H>
#include <FL/Fl_Button.H>
#include <FL/Fl_Input.H>

class InputRt : public Fl_Input{
	public:
		InputRt(int x, int y, int w, int h, const char *title);
		~InputRt();
		
	protected:
		void draw(void);

	private:
};

参考サイト

[C++] 326 BBS閲覧アプリの製作 その12 レスのGUI表示 Fl_Text_Display

[M1 Mac, MacOS Ventura 13.3.1, clang 14.0.3]

レスを右下に表示できるようになりました。

シフトJISのdatファイルとして一旦保存してしまうと、UTF-8への変換が自分のスキルではかなり難しいので、文字列の状態で変換してからファイルにしました。macOSは日本語を扱う上で不利になることが多いです。

これで基本機能の実装は完了です。だらだら作って4日半でした。GUIは丸一日掛かりました。

レス表示欄は生データそのままなのでかなり見づらいです。テキスト整形は今後の課題とします。

extern vector<tuple<string, string, string, string>> numTitlePostnumID;
extern string id, num, title, postnum, boardURL;
extern vector<tuple<string, string, string>> urlNameCat;
extern Fl_Text_Display* contentDisplay;

void button_cb(Fl_Widget *w, void*) {
    string selectID;
    const char* label = w->label();

    cout << "label: " << label << endl;

    for (const auto& tuple : numTitlePostnumID) {
        if (std::get<1>(tuple) == label) {
            selectID = std::get<3>(tuple);
        }
    }

    string url = boardURL + "dat/" + selectID + ".dat";
    std::string datBuffer;

    string filename = "/Users/[ユーザ名]/BBS_Browser/" + selectID + ".dat";

    cout << "url: " << url << endl;
    cout << "filename: " << filename << endl;

    CURL* curl = curl_easy_init();
    if (curl) {
        curl_easy_setopt(curl, CURLOPT_URL, url.c_str());
        curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, WriteCallback);
        curl_easy_setopt(curl, CURLOPT_WRITEDATA, &datBuffer);
        CURLcode res = curl_easy_perform(curl);
        if (res != CURLE_OK) {
            std::cerr << "Error: " << curl_easy_strerror(res) << std::endl;
            return;
        }

        curl_easy_cleanup(curl);

    } else {
        std::cerr << "Failed to initialize curl" << std::endl;

        return;
    }

    // 文字コードをCP932からUTF-8へ変換
    datBuffer = ConvertShiftJISToUTF8(datBuffer);

    std::ofstream file(filename, std::ios::binary);
    file << datBuffer;
    file.close();

    // ファイル内容表示
    std::ifstream ifile(filename);
    if (!ifile.is_open()) {
        cout << "ファイルopen失敗" << endl;

        return;
    }

    Fl_Text_Buffer* buffer = new Fl_Text_Buffer();
    contentDisplay->buffer(buffer);

    string line;
    while (std::getline(ifile, line)) {
        buffer->append(line.c_str());
        buffer->append("\n");
    }

    // 現在の行数を取得
    int lineCount = contentDisplay -> buffer() -> count_lines(0, contentDisplay -> buffer() -> length());
    // 最終行が見えるようにスクロールを設定
    contentDisplay -> scroll(lineCount, 0);

    ifile.close();

    return;
}

[C++] 325 BBS閲覧アプリの製作 その11 スレッドタイトルのGUI表示 Fl_Table 本表示

[M1 Mac, MacOS Ventura 13.3.1, clang 14.0.3]

スレッドタイトル一覧を表示させました。

自分なりに色々手を入れてC++らしくしたかったのですが上手くいかないので、C言語風味を残す形にしました。

今回のアプリ製作では最大の山場かもしれません。かなり手こずりました。

あとはスレッドタイトルをクリックして、右下にスレッド内容を表示させるだけです。

#include "cppstd.h" // 自製ライブラリ
#include "FLstd.h" // 自製ライブラリ
#include <WidgetTable.h>

extern vector<tuple<string, string, string, string>> numTitlePostnumID;
extern string id, num, title, postnum;

WidgetTable::WidgetTable(int x, int y, int w, int h, const char *l) : Fl_Table(x,y,w,h,l){
    col_header(1);
    col_resize(1);
    col_header_height(25);
    // row_header(1);
    row_resize(1);
    row_header_width(80);
    end();
}

WidgetTable::~WidgetTable(){}

void WidgetTable::SetSize(int newrows, int newcols) {
    clear();		// clear any previous widgets, if any
    rows(newrows);
    cols(newcols);

    col_width(0, 50);
    col_width(1, 1160-50-50-100);
    col_width(2, 50);
    col_width(3, 100);

    begin();		// start adding widgets to group
    {
      for ( int r = 0; r<newrows; r++ ) {
        for ( int c = 0; c<newcols; c++ ) {
            int X,Y,W,H;
            find_cell(CONTEXT_TABLE, r, c, X, Y, W, H);

            // switch文でも可
            if (c == 0) {
                char s[20];
                num = get<0>(numTitlePostnumID[r]);
                sprintf(s, "%s", num.c_str());
                Fl_Input *in = new Fl_Input(X,Y,W,H);
                in->value(s);
            } else if(c == 1) {
                char s[200];
                title = get<1>(numTitlePostnumID[r]);
                sprintf(s, "%s", title.c_str());
                Fl_Input *in = new Fl_Input(X,Y,W,H);
                in->value(s);
            } else if(c == 2){
                char s[20];
                postnum = get<2>(numTitlePostnumID[r]);
                sprintf(s, "%s", postnum.c_str());
                Fl_Input *in = new Fl_Input(X,Y,W,H);
                in->value(s);
            } else if (c == 3){
                char s[20];
                id = get<3>(numTitlePostnumID[r]);
                sprintf(s, "%s", id.c_str());
                Fl_Input *in = new Fl_Input(X,Y,W,H);
                in->value(s);
            }
        }
      }
    }
    end();
  }

void WidgetTable::draw_cell(TableContext context, 
			  int R, int C, int X, int Y, int W, int H) {
  switch ( context ) {
    case CONTEXT_STARTPAGE:
      fl_font(FL_HELVETICA, 12);		// font used by all headers
      break;

    case CONTEXT_RC_RESIZE: {
      int X, Y, W, H;
      int index = 0;

      for ( int r = 0; r<rows(); r++ ) {
        for ( int c = 0; c<cols(); c++ ) {
            if ( index >= children() ) break;
            find_cell(CONTEXT_TABLE, r, c, X, Y, W, H);
            child(index++)->resize(X,Y,W,H);
        }
      }
      init_sizes();			// tell group children resized
      return;
    }

    case CONTEXT_ROW_HEADER:
      fl_push_clip(X, Y, W, H);
      {
        static char s[40];
        sprintf(s, "Row %d", R);
        fl_draw_box(FL_THIN_UP_BOX, X, Y, W, H, row_header_color());
        fl_color(FL_BLACK);
        fl_draw(s, X, Y, W, H, FL_ALIGN_CENTER);
      }
      fl_pop_clip();
      return;

    case CONTEXT_COL_HEADER:
      fl_push_clip(X, Y, W, H);
      {
        if (C == 0){
            static char s[40];
            sprintf(s, "番号");
            fl_draw_box(FL_THIN_UP_BOX, X, Y, W, H, col_header_color());
            fl_color(FL_BLACK);
            fl_draw(s, X, Y, W, H, FL_ALIGN_CENTER);
        } else if (C == 1){
            static char s[40];
            sprintf(s, "タイトル");
            fl_draw_box(FL_THIN_UP_BOX, X, Y, W, H, col_header_color());
            fl_color(FL_BLACK);
            fl_draw(s, X, Y, W, H, FL_ALIGN_CENTER);
        } else if (C == 2){
            static char s[40];
            sprintf(s, "レス数");
            fl_draw_box(FL_THIN_UP_BOX, X, Y, W, H, col_header_color());
            fl_color(FL_BLACK);
            fl_draw(s, X, Y, W, H, FL_ALIGN_CENTER);
        } else if (C == 3){
            static char s[40];
            sprintf(s, "ID");
            fl_draw_box(FL_THIN_UP_BOX, X, Y, W, H, col_header_color());
            fl_color(FL_BLACK);
            fl_draw(s, X, Y, W, H, FL_ALIGN_CENTER);
        }
        
      }
      fl_pop_clip();
      return;

    case CONTEXT_CELL:
      return;		// fltk handles drawing the widgets

    default:
      return;
  }
}

[C++] 324 BBS閲覧アプリの製作 その10 スレッドタイトルのGUI表示 Fl_Table 仮表示

[M1 Mac, MacOS Ventura 13.3.1, clang 14.0.3]

Fl_Tableを継承したWidgetTableクラスを使い、スレッドタイトル一覧表示の土台を作成しました。

クラスの作成は久しぶりだったので、少々手こずりました。

FLTKについてはChatGPTは余りあてにならず、ソースコードにあるサンプルを参考にしています。

ようやくゴールが見えてきた感じです。

#include "cppstd.h" // 自製ライブラリ
#include <FLstd.h>
#include <FL/Fl.H>
#include <FL/Fl_Double_Window.H>
#include <FL/Fl_Tree.H>
#include "getBoard.h"
#include "WidgetTable.h"

int main(int argc, char *argv[]) {
  Fl_Double_Window *win = new Fl_Double_Window(1400, 1020, "BBS Browser");

  win->begin();
  {
    // Create the tree
    Fl_Tree* tree = new Fl_Tree(10, 45, 230, win->h()-45-10);
    tree->showroot(0);

    vector<tuple<string, string, string>> idTitleCat = getBoard();
    vector<string> categories;

    for (const auto& element : idTitleCat) {
        string path = get<2>(element) + "/" + get<1>(element);
        cout << "path: " << path << endl;

        string category = get<2>(element);
    
        if (find(categories.begin(), categories.end(), category) == categories.end()) {
            tree->add(category.c_str())->close();
            categories.push_back(category);
        }

        tree->add(path.c_str());
    }

    WidgetTable* table = new WidgetTable(240, 45, 1400-230-10, 350, "");
    table->SetSize(5, 5);

  }
  win->end();

  win->resizable(win);
  win->show(argc, argv);
  return(Fl::run());
}

[C++] 323 BBS閲覧アプリの製作 その9 ボードタイトルのGUI表示 Fl_Tree

[M1 Mac, MacOS Ventura 13.3.1, clang 14.0.3]

いよいよGUIの作成に取りかかります。

FLTKのFl_Treeを使ってボードタイトルをカテゴリーごとにツリー表示できるようにしました。

今回はChatGPTをほとんど使わず、FLTKのtestコードを参考にしました。

なお、自製ライブラリcppstd.hでusing std::stringなどを設定しているのでstd::は省略されています。そうしないと可読性が著しく低くなります。

C++版がある程度形になったらSwiftへの移植も考えています。

#include "cppstd.h" // 自製ライブラリ
#include <stdio.h>
#include <FL/Fl.H>
#include <FL/Fl_Double_Window.H>
#include <FL/Fl_Tree.H>
#include "getBoard.h"

int main(int argc, char *argv[]) {
  Fl_Double_Window *win = new Fl_Double_Window(1400, 1050, "BBS Browser");
  win->begin();
  {
    // Create the tree
    Fl_Tree *tree = new Fl_Tree(10, 10, 230, win->h()-20);
    tree->showroot(0);

    vector<tuple<string, string, string>> idTitleCat = getBoard();
    vector<string> categories;

    for (const auto& element : idTitleCat) {
        string path = get<2>(element) + "/" + get<1>(element);
        cout << "path: " << path << endl;

        string category = get<2>(element);
    
        if (find(categories.begin(), categories.end(), category) == categories.end()) {
            tree->add(category.c_str())->close();
            categories.push_back(category);
        }

        tree->add(path.c_str());

    }

  }
  win->end();
  win->resizable(win);
  win->show(argc, argv);
  return(Fl::run());
}

[C++] 322 BBS閲覧アプリの製作 その8 ボードタイトルの取得 libxml, XPath

[M1 Mac, MacOS Ventura 13.3.1, clang 14.0.3]

BBSのボードタイトルをカテゴリーと共に2次元vectorとして取得しました。

全てのaタグをnodeのリストとして取得し、aタグのhref、aタグの内容、すぐ上にあるbタグの内容(カテゴリー)の3要素をvectorにプッシュバックしています。bタグがない場合は”XXX”をカテゴリーとします。

2要素の場合はmake_pair関数かmake_tuple関数、3要素以上の場合はmake_tuple関数を使います。make_pairでは変数名.first、変数名.secondでそれぞれ呼び出すことができます。make_tupleの要素はstd::get<番号>(変数名)で取得します。

aタグから遡ってbタグを探す、などややこしめの課題を与えるとChatGPTからまともな答えがほぼ返ってこないのですが、今回は一発正解でした。

int main() {
    std::vector<std::tuple<std::string, std::string, std::string>> idTitleCat;
    std::string cat;

<中略>
    xmlDoc* doc = htmlReadMemory(htmlBuffer.c_str(), htmlBuffer.size(), nullptr, nullptr, HTML_PARSE_RECOVER);
    if (doc) {
        xmlNodeSetPtr boardObj = executeXpath(doc, (xmlChar *)"//*[name()='a']");

        if (boardObj) {
            for (int i = 0; i < boardObj->nodeNr; i++) {
                xmlNodePtr node = boardObj->nodeTab[i];
                xmlChar* id0 = xmlGetProp(node, (xmlChar*)"href");
                xmlChar* title0 = xmlNodeGetContent(node);

                string id = convertToString(id0);
                id.erase(id.size() - 4);
                string title = convertToString(title0);

                xmlNodePtr catNode = node->prev;
                while (catNode != nullptr && xmlStrcmp(catNode->name, (const xmlChar*)"b") != 0) {
                    catNode = catNode->prev;
                }

                if (catNode != nullptr) {
                    xmlChar* cat0 = xmlNodeGetContent(catNode);
                    cat = convertToString(cat0);
                    xmlFree(cat0);
                } else {
                    cat = "XXX";
                }

                idTitleCat.push_back(std::make_tuple(id, title, cat));
                
                xmlFree(id0);
                xmlFree(title0);
            }
        }
        xmlFreeDoc(doc);
    }


    for (const auto& element : idTitleCat) {
        std::cout << "id: " << std::get<0>(element) << std::endl;
        std::cout << "title: " << std::get<1>(element) << std::endl;
        std::cout << "cat: " << std::get<2>(element) << std::endl;
    }

[C++] 321 BBS閲覧アプリの製作 その7 スレッドタイトルの取得 libxml++は使えず

[M1 Mac, MacOS Ventura 13.3.1, clang 14.0.3]

libxmlのC++ラッパーであるlibxml++を使おうとしたものの、上手くいきませんでした。

アクセスしようとしているglibmmconfig.hは最新版glibmm 2.68にはありません。2.4にはあるとのことだったのでダウンロードして存在を確認しました。ただしこれは2014年リリースのものです。

本家のlibxmlで事足りているため、libxml++に対する需要はあまり高くないのでしょうか。開発自体は今も続いていますが、深追いはやめておきます。

#include <iostream>
#include <string>
#include <vector>
#include <curl/curl.h>
#include <libxml++/libxml++.h>
#include <iostream>

size_t WriteCallback(void* contents, size_t size, size_t nmemb, std::string* buffer)
{
    size_t totalSize = size * nmemb;
    buffer->append((char*)contents, totalSize);
    return totalSize;
}

int main()
{
    // URLからHTMLファイルを取り込む
    std::string url = "HTMLのURL";
    std::string htmlBuffer;
    CURL* curl = curl_easy_init();
    if (curl) {
        curl_easy_setopt(curl, CURLOPT_URL, url.c_str());
        curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, WriteCallback);
        curl_easy_setopt(curl, CURLOPT_WRITEDATA, &htmlBuffer);
        CURLcode res = curl_easy_perform(curl);
        curl_easy_cleanup(curl);
        if (res != CURLE_OK) {
            std::cerr << "Error: Failed to download HTML" << std::endl;
            return 1;
        }
    } else {
        std::cerr << "Error: Failed to initialize CURL" << std::endl;
        return 1;
    }

    try {
        // HTMLをXMLとして解析
        xmlpp::DomParser parser;
        parser.parse_memory(htmlBuffer);

        // ルート要素の取得
        xmlpp::Document* document = parser.get_document();
        xmlpp::Element* rootElement = document->get_root_node();

        // XPathの評価
        std::string xpathExpression = "/root/small/a";
        xmlpp::NodeSet result = rootElement->find(xpathExpression);

        // 結果の表示
        for (auto node : result) {
            if (xmlpp::Element* element = dynamic_cast<xmlpp::Element*>(node)) {
                std::cout << "Element: " << element->get_name() << std::endl;
                std::cout << "Value: " << element->get_child_text()->get_content() << std::endl;
            }
        }
    }
    catch (const std::exception& ex) {
        std::cerr << "Exception caught: " << ex.what() << std::endl;
        return 1;
    }

    return 0;
}
/opt/homebrew/Cellar/glibmm/2.76.0/include/glibmm-2.68/glibmm/ustring.h:20:10: fatal error: 'glibmmconfig.h' file not found
#include <glibmmconfig.h>
         ^~~~~~~~~~~~~~~~
1 error generated.

[C++] 320 BBS閲覧アプリの製作 その6 スレッドタイトルの取得 libxmlでXPathを使ってパース

[M1 Mac, MacOS Ventura 13.3.1, clang 14.0.3]

libxmlライブラリでXPathを使ってスクレイピングしました。

前の方法ではタグ内の文字列比較で絞り込んでいくためコードの階層が深くなって可読性が低かったのですが、そのような問題が解消されてとてもシンプルになりました。

これぞスクレイピングといった内容になり満足です。今後はC++でも自在に情報収集できそうです。

8年前(2015年)のStack Overflowの記事が大変参考になりました。

#include <iostream>
#include <string>
#include <vector>
#include <curl/curl.h>
#include <libxml/HTMLparser.h>
#include <libxml/xpath.h>

xmlNodeSetPtr executeXpath(xmlDocPtr &doc, xmlChar *xpath_expr) {
    xmlXPathContextPtr xpath_context;
    xmlXPathObjectPtr  xpath_obj;

    xpath_context = xmlXPathNewContext(doc);
    if (xpath_context == NULL) {
        cerr << "Error: unable to create new XPath context" << endl;
        xmlFreeDoc(doc);
        return NULL;
    }
    xmlNodePtr node = xmlDocGetRootElement(doc);

    /* Evaluate xpath expression */
    xpath_obj = xmlXPathEvalExpression(xpath_expr, xpath_context);
    if (xmlXPathNodeSetIsEmpty(xpath_obj->nodesetval)) {
        cerr << "Error: unable to evaluate xpath expression" << endl;
        xmlXPathFreeContext(xpath_context);
        xmlFreeDoc(doc);
        return NULL;
    }

    /* Print results */
    return xpath_obj->nodesetval;
}

std::string convertToString(const xmlChar* xmlString) {
    if (xmlString == nullptr) {
        return "";
    }
    return std::string(reinterpret_cast<const char*>(xmlString));
}

// コールバック関数
size_t WriteCallback(void* contents, size_t size, size_t nmemb, std::string* buffer) {
    size_t totalSize = size * nmemb;
    buffer->append((char*)contents, totalSize);
    return totalSize;
}

int main() {
    std::vector<std::pair<std::string, std::string>> idTitlePairs;

    // URLからHTMLファイルを取り込む
    std::string url = "HTMLファイルのURL";
    std::string htmlBuffer;
    CURL* curl = curl_easy_init();
    if (curl) {
        curl_easy_setopt(curl, CURLOPT_URL, url.c_str());
        curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, WriteCallback);
        curl_easy_setopt(curl, CURLOPT_WRITEDATA, &htmlBuffer);
        CURLcode res = curl_easy_perform(curl);
        curl_easy_cleanup(curl);
        if (res != CURLE_OK) {
            std::cerr << "Error: Failed to download HTML" << std::endl;
            return 1;
        }
    } else {
        std::cerr << "Error: Failed to initialize CURL" << std::endl;
        return 1;
    }

    // htmlBufferの確認
    // cout << "htmlBuffer: \n" << htmlBuffer << endl;

    xmlDoc* doc = htmlReadMemory(htmlBuffer.c_str(), htmlBuffer.size(), nullptr, nullptr, HTML_PARSE_RECOVER);
    if (doc) {
        // XPath:/small/a, HTML:<small><a> を抽出
        xmlNodeSetPtr tradObj = executeXpath(doc, (xmlChar *)"//*[name()='small']/*[name()='a']");

        if (tradObj) {
            for (int i = 0; i < tradObj->nodeNr; i++) {
                xmlNodePtr node = tradObj->nodeTab[i];
                xmlChar* id0 = xmlGetProp(node, (xmlChar*)"href");
                xmlChar* title0 = xmlNodeGetContent(node);

                string id = convertToString(id0);
                id.erase(id.size() - 4);
                string title = convertToString(title0);

                idTitlePairs.push_back(std::make_pair(id, title));
                
                xmlFree(id0);
                xmlFree(title0);
            }
        }
        xmlFreeDoc(doc);
    }


    for (const auto& pair : idTitlePairs) {
        std::cout << "id: " << pair.first << std::endl;
        std::cout << "title: " << pair.second << std::endl;
    }

    return 0;
}

参考記事

[C++] 319 BBS閲覧アプリの製作 その5 スレッドタイトルの取得 libxmlでパース

[M1 Mac, MacOS Ventura 13.3.1, clang 14.0.3]

libxmlを使ったスクレイピングに成功しました。

ただしPythonのBeautifulSoup & パーサー(html.parserなど)によるものとは違い、文字列比較で絞り込んでいく原始的な手法です。

今回の方法ではUTF-8への変換は不要でした。

IDやXPathを指定してパースできるのか、今後調査します。

#include <iostream>
#include <string>
#include <vector>
#include <curl/curl.h>
#include <libxml/HTMLparser.h>

std::vector<std::pair<std::string, std::string>> idTitlePairs;

std::string convertToString(const xmlChar* xmlString) {
    if (xmlString == nullptr) {
        return "";
    }
    return std::string(reinterpret_cast<const char*>(xmlString));
}

void parseAnchorTags(xmlNode* node) {
    for (xmlNode* cur = node; cur; cur = cur->next) {
        if (cur->type == XML_ELEMENT_NODE && xmlStrcmp(cur->name, (const xmlChar*)"small") == 0) {
            xmlChar* id = xmlGetProp(cur, (const xmlChar*)"id");
            if (xmlStrcmp(id, (const xmlChar*)"trad") == 0) {
                for (xmlNode* child = cur->children; child; child = child->next) {
                    if (child->type == XML_ELEMENT_NODE && xmlStrcmp(child->name, (const xmlChar*)"a") == 0) {
                        xmlChar* id0 = xmlGetProp(child, (const xmlChar*)"href");
                        xmlChar* title0 = xmlNodeListGetString(child->doc, child->children, 1);
                        // std::cout << "id: " << id0 << std::endl;
                        // std::cout << "title: " << title0 << std::endl;

                        string id = convertToString(id0);
                        id.erase(id.size() - 4);
                        string title = convertToString(title0);

                        idTitlePairs.push_back(std::make_pair(id, title));

                        xmlFree(id0);
                        xmlFree(title0);
                    }
                }
            }
            xmlFree(id);
        }
        parseAnchorTags(cur->children);
    }
}

// コールバック関数
size_t WriteCallback(void* contents, size_t size, size_t nmemb, std::string* buffer) {
    size_t totalSize = size * nmemb;
    buffer->append((char*)contents, totalSize);
    return totalSize;
}

int main() {
    // URLからHTMLファイルを取り込む
    std::string url = "HTMLファイルのURL";
    std::string htmlBuffer;
    CURL* curl = curl_easy_init();
    if (curl) {
        curl_easy_setopt(curl, CURLOPT_URL, url.c_str());
        curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, WriteCallback);
        curl_easy_setopt(curl, CURLOPT_WRITEDATA, &htmlBuffer);
        CURLcode res = curl_easy_perform(curl);
        curl_easy_cleanup(curl);
        if (res != CURLE_OK) {
            std::cerr << "Error: Failed to download HTML" << std::endl;
            return 1;
        }
    } else {
        std::cerr << "Error: Failed to initialize CURL" << std::endl;
        return 1;
    }

    // htmlBufferの確認
    // cout << "htmlBuffer: \n" << htmlBuffer << endl;

    xmlDoc* doc = htmlReadMemory(htmlBuffer.c_str(), htmlBuffer.size(), nullptr, nullptr, HTML_PARSE_RECOVER);
    if (doc) {
        xmlNode* root = xmlDocGetRootElement(doc);
        parseAnchorTags(root);
        xmlFreeDoc(doc);
    }

    for (const auto& pair : idTitlePairs) {
        std::cout << "id: " << pair.first << std::endl;
        std::cout << "title: " << pair.second << std::endl;
    }

    return 0;
}