Parsing de HTML em Swift (iOS/macOS): biblioteca SwiftSoup

Parsing de HTML em Swift (iOS/macOS) com SwiftSoup

Ao desenvolver aplicativos para iOS e macOS, muitas vezes surge a necessidade de extrair dados de páginas web. Ao contrário do Python, com suas poderosas bibliotecas BeautifulSoup e Scrapy, no mundo Swift não havia uma ferramenta conveniente para parsing de HTML por muito tempo. A solução foi a biblioteca SwiftSoup — um port puro em Swift da popular biblioteca Java Jsoup. Ela fornece uma API conveniente para trabalhar com documentos HTML, navegar pela árvore DOM, pesquisar elementos por seletores CSS e extrair dados.

O que é SwiftSoup?

SwiftSoup é uma biblioteca de código aberto que permite fazer parsing de HTML, extrair e modificar dados, além de realizar a limpeza de HTML de elementos potencialmente perigosos. Ela funciona em todas as plataformas Apple: iOS, macOS, tvOS, watchOS. Principais funcionalidades:

• Parsing de HTML a partir de string, URL ou arquivo
• Navegação pela árvore DOM usando seletores CSS
• Extração de texto, atributos e código HTML dos elementos
• Modificação do documento (adição, remoção, alteração de elementos)
• Limpeza de HTML contra ataques XSS
• Suporte a todos os padrões modernos de HTML

Instalação do SwiftSoup

A maneira mais simples de instalar é através do Swift Package Manager. Adicione a dependência no arquivo Package.swift:

// swift-tools-version:5.5import PackageDescription

let package = Package(    name: "MyProject",    dependencies: [        .package(url: "https://github.com/scinfu/SwiftSoup.git", from: "2.6.0")    ],    targets: [        .target(            name: "MyProject",            dependencies: ["SwiftSoup"])    ])

Se você estiver usando o Xcode, abra o menu File → Add Packages..., cole a URL do repositório e clique em Add Package.

Exemplo básico de parsing de HTML

Vamos considerar um exemplo simples — extrair o título da página:

import SwiftSoup

let html = "<html><head><title>PythonLib - ferramentas para desenvolvedores</title></head><body><p>Olá, mundo!</p></body></html>"

do {    let doc = try SwiftSoup.parse(html)    let title = try doc.title()    print("Título: \\(title)")        let bodyText = try doc.body()?.text()    print("Texto do body: \\(bodyText ?? "")")} catch Exception.Error(let type, let message) {    print("Erro: \\(type) — \\(message)")} catch {    print("Erro desconhecido")}

Saída no console:

Título: PythonLib - ferramentas para desenvolvedoresTexto do body: Olá, mundo!

Pesquisa de elementos com seletores CSS

Um dos pontos fortes do SwiftSoup são os seletores poderosos, familiares aos desenvolvedores web. Você pode usar qualquer seletor CSS:

let html = """<div class="articles">    <article id="post-1">        <h2 class="title">Tutorial SwiftSoup</h2>        <p class="meta">Publicado em: 2024-01-15</p>        <p>Conteúdo do artigo...</p>    </article>    <article id="post-2">        <h2 class="title">Parsing de HTML em Swift</h2>        <p class="meta">Publicado em: 2024-02-20</p>        <p>Mais um conteúdo...</p>    </article></div>"""

let doc = try SwiftSoup.parse(html)

// Pesquisa por classelet titles = try doc.select(".title")for title in titles {    print(try title.text())}

// Pesquisa por IDif let post = try doc.select("#post-1").first() {    let h2 = try post.select("h2").text()    let date = try post.select(".meta").text()    print("Artigo: \\(h2) — \\(date)")}

// Seletor combinadolet articles = try doc.select("div.articles > article")