Creak: एक Swift का HTML पार्सिंग लाइब्रेरी

Home PDF English 中文 日本語 Español हिंदी Français Deutsch العربية 繁體中文

---

Creak को HTML दस्तावेज़ों को कुशलतापूर्वक पार्स करने और दस्तावेज़ तत्वों को दर्शाने वाले ट्री संरचना का निर्माण करने के लिए डिज़ाइन किया गया है। पार्सिंग प्रक्रिया में कई महत्वपूर्ण चरण और घटक शामिल होते हैं, जो इस लक्ष्य को प्राप्त करने के लिए मिलकर काम करते हैं। निम्नलिखित Creak द्वारा HTML को पार्स करने का विस्तृत विवरण है:

विश्लेषण प्रक्रिया का सिंहावलोकन

1. प्रारंभिकरण (Initialization): HTML स्ट्रिंग को लोड करें और साफ़ करें।
2. टोकनाइज़ेशन (Tokenization): HTML स्ट्रिंग को टोकन में विभाजित करें जो HTML के विभिन्न भागों को दर्शाते हैं, जैसे टैग और टेक्स्ट।
3. ट्री संरचना निर्माण (Tree Structure Construction): टोकन का उपयोग करके एक ट्री संरचना बनाएं जो HTML दस्तावेज़ के तत्वों और टेक्स्ट को दर्शाती है।

मुख्य घटक

• Dom क्लास: पूरी पार्सिंग प्रक्रिया को प्रबंधित करता है और पार्स किए गए HTML ट्री के रूट नोड को संग्रहीत करता है।
• Content क्लास: HTML स्ट्रिंग को टोकनाइज़ करने के लिए उपयोगी फ़ंक्शन प्रदान करता है।
• HtmlNode और TextNode क्लास: HTML दस्तावेज़ में तत्व और टेक्स्ट नोड्स को प्रदर्शित करते हैं।
• Tag क्लास: HTML टैग और उसके गुणों को प्रदर्शित करता है।

विस्तृत विश्लेषण चरण

1. प्रारंभिकरण (Initialization)

Dom क्लास पार्सिंग प्रक्रिया को प्रारंभ करने के लिए जिम्मेदार है। loadStr मेथड कच्चे HTML स्ट्रिंग को स्वीकार करता है, उसे साफ करता है, और Content ऑब्जेक्ट को प्रारंभ करता है।

public func loadStr(str: String) -> Dom {
    raw = str
    let html = clean(str)
    content = Content(content: html)
    parse()
    return self
}

यह कोड Swift में लिखा गया है और इसमें एक फ़ंक्शन loadStr है जो एक स्ट्रिंग str को लेता है और एक Dom ऑब्जेक्ट को लौटाता है। इस फ़ंक्शन में निम्नलिखित कदम होते हैं:

1. raw वेरिएबल को str स्ट्रिंग से सेट किया जाता है।
2. clean फ़ंक्शन का उपयोग करके str को साफ़ किया जाता है और परिणाम html में स्टोर किया जाता है।
3. content वेरिएबल को Content ऑब्जेक्ट के रूप में इनिशियलाइज़ किया जाता है, जिसमें html स्ट्रिंग पास की जाती है।
4. parse फ़ंक्शन को कॉल किया जाता है।
5. अंत में, self (यानी, वर्तमान Dom ऑब्जेक्ट) को लौटाया जाता है।

इस कोड को हिंदी में समझाने के लिए, यह एक स्ट्रिंग को लेता है, उसे साफ़ करता है, और फिर उसे पार्स करके एक Dom ऑब्जेक्ट के रूप में लौटाता है।

2. टोकनाइज़ेशन

Content क्लास HTML स्ट्रिंग को टोकनाइज़ करने के लिए उपयोगी फ़ंक्शन प्रदान करता है। इसमें वर्तमान वर्ण स्थिति से वर्णों को कॉपी करना, वर्णों को छोड़ना, और टैग और गुणों जैसे टोकन को संभालने के तरीके शामिल हैं।

• copyUntil：वर्तमान स्थिति से वर्णों को कॉपी करें, जब तक कि निर्दिष्ट वर्ण नहीं मिल जाता।
• skipByToken：निर्दिष्ट टोकन के आधार पर वर्णों को छोड़ें।

ये विधियाँ HTML के विभिन्न भागों को पहचानने और निकालने के लिए उपयोग की जाती हैं, जैसे कि टैग, गुण और पाठ सामग्री।

3. ट्री संरचना का निर्माण

Dom क्लास में parse मेथड HTML स्ट्रिंग को पार्स करती है, टैग और टेक्स्ट को पहचानती है, और HtmlNode और TextNode से बने ट्री स्ट्रक्चर का निर्माण करती है।

private func parse() {
    root = HtmlNode(tag: "root")
    var activeNode: InnerNode? = root
    while activeNode != nil {
        let str = content.copyUntil("<")
        if (str == "") {
            let info = parseTag()
            if !info.status {
                activeNode = nil
                continue
            }
            
            if info.closing {
                let originalNode = activeNode
                while activeNode?.tag.name != info.tag {
                    activeNode = activeNode?.parent
                    if activeNode == nil {
                        activeNode = originalNode
                        break
                    }
                }
                if activeNode != nil {
                    activeNode = activeNode?.parent
                }
                continue
            }
            
            if info.node == nil {
                continue
            }
            
            let node = info.node!
            activeNode!.addChild(node)
            if !node.tag.selfClosing {
                activeNode = node
            }
        } else if (trim(str) != "") {
            let textNode = TextNode(text: str)
            activeNode?.addChild(textNode)
        }
    }
}

हिंदी व्याख्या:

यह कोड एक HTML पार्सर का हिस्सा है जो HTML कंटेंट को पार्स करता है और एक ट्री स्ट्रक्चर बनाता है। यहां parse() फ़ंक्शन HTML कंटेंट को पार्स करने के लिए उपयोग किया जाता है।

• root नोड को “root” टैग के साथ इनिशियलाइज़ किया जाता है।
• activeNode वर्तमान में प्रोसेस किए जा रहे नोड को दर्शाता है।
• content.copyUntil("<") फ़ंक्शन का उपयोग करके HTML कंटेंट को < तक कॉपी किया जाता है।
• यदि कॉपी की गई स्ट्रिंग खाली है, तो parseTag() फ़ंक्शन का उपयोग करके टैग को पार्स किया जाता है।
• यदि टैग बंद होने वाला है (info.closing), तो activeNode को उसके पैरेंट नोड पर ले जाया जाता है।
• यदि टैग खुलने वाला है और selfClosing नहीं है, तो नया नोड activeNode के चाइल्ड के रूप में जोड़ा जाता है और activeNode को इस नए नोड पर सेट किया जाता है।
• यदि कॉपी की गई स्ट्रिंग खाली नहीं है और ट्रिम करने के बाद भी खाली नहीं है, तो इसे TextNode के रूप में जोड़ा जाता है।

यह प्रक्रिया तब तक चलती है जब तक कि सभी HTML कंटेंट पार्स नहीं हो जाता।

• रूट नोड: पार्सिंग रूट नोड (HtmlNode, टैग “root”) से शुरू होती है।
• सक्रिय नोड: activeNode वेरिएबल वर्तमान में प्रोसेस किए जा रहे नोड को ट्रैक करता है।
• टेक्स्ट सामग्री: यदि टेक्स्ट सामग्री पाई जाती है, तो एक TextNode बनाया जाता है और इसे वर्तमान नोड में जोड़ा जाता है।
• टैग पार्सिंग: यदि टैग पाया जाता है, तो इसे संसाधित करने के लिए parseTag मेथड को कॉल किया जाता है।

टैग पार्सिंग

parseTag विधि टैग की पहचान और प्रसंस्करण को संभालती है।

private func parseTag() -> ParseInfo {
    var result = ParseInfo()
    if content.char() != ("<" as Character) {
        return result
    }
    
    if content.fastForward(1).char() == "/" {
        var tag = content.fastForward(1).copyByToken(Content.Token.Slash, char: true)
        content.copyUntil(">")
        content.fastForward(1)
        
        tag = tag.lowercaseString
        if selfClosing.contains(tag) {
            result.status = true
            return result
        } else {
            result.status = true
            result.closing = true
            result.tag = tag
            return result
        }
    }
    
    let tag = content.copyByToken(Content.Token.Slash, char: true).lowercaseString
    let node = HtmlNode(tag: tag)
    
    while content.char() != ">" &&
       content.char() != "/" {
        let space = content.skipByToken(Content.Token.Blank, copy: true)
        if space?.characters.count == 0 {
            content.fastForward(1)
            continue
        }
        
        let name = content.copyByToken(Content.Token.Equal, char: true)
        if name == "/" {
            break
        }
        
        if name == "" {
            content.fastForward(1)
            continue
        }
        
        content.skipByToken(Content.Token.Blank)
        if content.char() == "=" {
            content.fastForward(1).skipByToken(Content.Token.Blank)
            var attr = AttrValue()
            let quote: Character? = content.char()
            if quote != nil {
                if quote == "\"" {
                    attr.doubleQuote = true
                } else {
                    attr.doubleQuote = false
                }
                content.fastForward(1)
                var string = content.copyUntil(String(quote!), char: true, escape: true)
                var moreString = ""
                repeat {
                    moreString = content.copyUntilUnless(String(quote!), unless: "=>")
                    string += moreString
                } while moreString != ""
                attr.value = string
                content.fastForward(1)
                node.setAttribute(name, attrValue: attr)
            } else {
                attr.doubleQuote = true
                attr.value = content.copyByToken(Content.Token.Attr, char: true)
                node.setAttribute(name, attrValue: attr)
            }
        } else {
            node.tag.setAttribute(name, attrValue: AttrValue(nil, doubleQuote: true))
            if content.char() != ">" {
                content.rewind(1)
            }
        }
    }
    
    content.skipByToken(Content.Token.Blank)
    if content.char() == "/" {
        node.tag.selfClosing = true
        content.fastForward(1)
    } else if selfClosing.contains(tag) {
        node.tag.selfClosing = true
    }
    
    content.fastForward(1)
    
    result.status = true
    result.node = node
    
    return result
}

• टैग पहचान: यह विधि यह पहचानती है कि टैग खुला टैग है या बंद टैग।
• गुण: टैग के गुणों को पार्स करता है और उन्हें HtmlNode में जोड़ता है।
• स्व-बंद टैग: स्व-बंद टैग को उचित तरीके से संभालता है।

निष्कर्ष

Creak का पार्सिंग प्रक्रिया HTML सामग्री को इनिशियलाइज़ करने, उसे टोकनाइज़ करने और नोड्स के ट्री स्ट्रक्चर का निर्माण करने से संबंधित है। Dom क्लास समग्र पार्सिंग को प्रबंधित करती है, जबकि Content क्लास टोकनाइज़्ड HTML स्ट्रिंग्स के लिए उपयोगी फ़ंक्शन प्रदान करती है। HtmlNode और TextNode क्लास HTML डॉक्यूमेंट में एलिमेंट्स और टेक्स्ट को प्रस्तुत करती हैं, और Tag क्लास टैग्स के एट्रिब्यूट्स को प्रबंधित करती है। यह कुशल और संगठित तरीका Creak को Swift में HTML पार्स करने के लिए एक शक्तिशाली टूल बनाता है।

---

Back 2025.01.18 Donate