Swift（iOS/macOS）中的HTML解析：SwiftSoup库

使用SwiftSoup在Swift（iOS/macOS）中解析HTML

在开发iOS和macOS应用程序时，经常需要从网页中提取数据。与拥有强大库BeautifulSoup和Scrapy的Python不同，Swift世界长期以来缺乏方便的HTML解析工具。解决方案是SwiftSoup库——流行Java库Jsoup的纯Swift移植版。它提供了便捷的API用于处理HTML文档、在DOM树中导航、通过CSS选择器查找元素以及提取数据。

什么是SwiftSoup？

SwiftSoup是一个开源库，允许解析HTML、提取和修改数据，以及清理HTML中潜在的危险元素。它适用于所有Apple平台：iOS、macOS、tvOS、watchOS。主要功能：

• 从字符串、URL或文件解析HTML
• 使用CSS选择器在DOM树中导航
• 提取元素的文本、属性和HTML代码
• 修改文档（添加、删除、更改元素）
• 清理HTML以防止XSS攻击
• 支持所有现代HTML标准

安装SwiftSoup

最简单的安装方式是通过Swift Package Manager。在Package.swift文件中添加依赖：

// 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"])    ])

如果您使用Xcode，请打开菜单File → Add Packages...，粘贴仓库URL，然后点击Add Package。

HTML解析基础示例

来看一个最简单的示例——提取页面标题：

import SwiftSoup

let html = "<html><head><title>PythonLib - 开发者工具</title></head><body><p>你好，世界！</p></body></html>"

do {    let doc = try SwiftSoup.parse(html)    let title = try doc.title()    print("标题: \\(title)")        let bodyText = try doc.body()?.text()    print("body文本: \\(bodyText ?? "")")} catch Exception.Error(let type, let message) {    print("错误: \\(type) — \\(message)")} catch {    print("未知错误")}

控制台输出：

标题: PythonLib - 开发者工具body文本: 你好，世界！

使用CSS选择器查找元素

SwiftSoup的强项之一是强大的选择器，Web开发者对此非常熟悉。您可以使用任何CSS选择器：

let html = """<div class="articles">    <article id="post-1">        <h2 class="title">SwiftSoup教程</h2>        <p class="meta">发布于: 2024-01-15</p>        <p>文章内容...</p>    </article>    <article id="post-2">        <h2 class="title">Swift中的HTML解析</h2>        <p class="meta">发布于: 2024-02-20</p>        <p>另一篇文章内容...</p>    </article></div>"""

let doc = try SwiftSoup.parse(html)

// 按类查找let titles = try doc.select(".title")for title in titles {    print(try title.text())}

// 按ID查找if let post = try doc.select("#post-1").first() {    let h2 = try post.select("h2").text()    let date = try post.select(".meta").text()    print("文章: \\(h2) — \\(date)")}

// 组合选择器let articles = try doc.select("div.articles > article")