FREADHTML¶

Category: ファイル操作

書式¶

FREADHTML( path [, charset] )

引数¶

戻り値¶

• 成功時: <html> 要素を表すハッシュ（下記の 要素の形）
• 失敗時: 空（VOID）

解説¶

HTML ファイルを丸ごと読み込んで解析し、<html> 要素をハッシュにして返す。FOPEN で開いておく必要はない。

HTML の解析には Gumbo（HTML5 の構文解析規則に従うパーサ）を使っている。閉じタグの抜けや壊れた入れ子があっても、ブラウザと同じ規則で補って木にするので、解析自体は失敗しない。<html> <head> <body> も無ければ補われる。

charset を省略したときの文字コードは次の順に決める。

1. 先頭に UTF-8 の BOM があれば UTF-8
2. 先頭 1024 バイト以内の <meta charset="Shift_JIS">、または <meta http-equiv="Content-Type" content="text/html; charset=Shift_JIS"> の文字コード。コメントの中は読まない。Windows-31J CP932 も Shift_JIS として扱う
3. どちらも無い、または YAYA の知らない文字コード（UTF-16 を含む）なら UTF-8

charset を指定したときは <meta> を無視する。

要素の形¶

要素は FREADXML と同じく、次の4つのキーを持つハッシュになる。キーは中身が空でも必ずある。

• 文字参照（& あ   など）は展開済みになる
• <br> <img> のような中身の無い要素も、children と text が空の要素になる
• 子要素とテキストが混在する場合、テキストと子要素の前後関係は失われる（<p>a<b>x</b>c</p> の text は ac）
• 子要素を持つ要素では、空白だけのテキスト（要素と要素の間の改行や字下げ）は text に入らない。子要素が無い要素では空白だけでも残る（<pre> </pre> の text は半角空白）
• <script> <style> <textarea> の中身も text に入る
• コメント、DOCTYPE、処理命令は無視する
• SVG・MathML の中の xlink:href xml:lang のような属性は、接頭辞付きの名前になる
• 入れ子が 128 段を超える HTML は失敗する（<html> を1段目として数える）
• 属性の並びは保たれない。ハッシュのキーの順になる

エラー¶

使用例¶

page.html:

<!DOCTYPE html>
<html>
<head><meta charset="Shift_JIS"><title>お知らせ</title></head>
<body>
<h1>お知らせ</h1>
<ul>
  <li><a href="a.html">その1</a></li>
  <li><a href="b.html">その2</a></li>
</ul>
</body>
</html>

_h = FREADHTML("page.html")
_h["children"][0]["children"][1]["text"]     // お知らせ（<title>。[0] は <meta>）
_body = _h["children"][1]
_body["children"][0]["text"]                 // お知らせ（<h1>）
_ul = _body["children"][1]
foreach _ul["children"]; _li {
    _a = _li["children"][0]
    // _a["attr"]["href"] と _a["text"] を順に扱える
}

互換性¶

• YAYA: Tc605-1以降

関連項目¶

• PARSEHTML
• FREADXML
• FREADJSON
• 値の入れ子と多次元代入