1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
|
cdef extern from "myhtml/myhtml.h" nogil:
ctypedef unsigned int mystatus_t
ctypedef struct myhtml_t
ctypedef size_t myhtml_tag_id_t
ctypedef struct myhtml_tree_t:
# not completed struct
myhtml_t* myhtml
myhtml_tree_node_t* document
myhtml_tree_node_t* node_html
ctypedef struct mchar_async_t
ctypedef struct mycore_string_t:
char* data
size_t size
size_t length
mchar_async_t *mchar
size_t node_idx
ctypedef struct mycore_string_raw_t:
char* data
size_t size
size_t length
myhtml_namespace ns
ctypedef enum myhtml_options:
MyHTML_OPTIONS_DEFAULT = 0x00
MyHTML_OPTIONS_PARSE_MODE_SINGLE = 0x01
MyHTML_OPTIONS_PARSE_MODE_ALL_IN_ONE = 0x02
MyHTML_OPTIONS_PARSE_MODE_SEPARATELY = 0x04
ctypedef struct myhtml_collection_t:
myhtml_tree_node_t **list
size_t size
size_t length
ctypedef struct myhtml_tree_node_t:
myhtml_tree_node_flags flags
myhtml_tag_id_t tag_id
myhtml_namespace ns
myhtml_tree_node_t* prev
myhtml_tree_node_t* next
myhtml_tree_node_t* child
myhtml_tree_node_t* parent
myhtml_tree_node_t* last_child
myhtml_token_node_t* token
void* data
myhtml_tree_t* tree
ctypedef enum myhtml_namespace:
MyHTML_NAMESPACE_UNDEF = 0x00
MyHTML_NAMESPACE_HTML = 0x01
MyHTML_NAMESPACE_MATHML = 0x02
MyHTML_NAMESPACE_SVG = 0x03
MyHTML_NAMESPACE_XLINK = 0x04
MyHTML_NAMESPACE_XML = 0x05
MyHTML_NAMESPACE_XMLNS = 0x06
MyHTML_NAMESPACE_ANY = 0x07
MyHTML_NAMESPACE_LAST_ENTRY = 0x07
ctypedef enum myhtml_tree_node_flags:
MyHTML_TREE_NODE_UNDEF = 0
MyHTML_TREE_NODE_PARSER_INSERTED = 1
MyHTML_TREE_NODE_BLOCKING = 2
ctypedef enum myhtml_token_type:
MyHTML_TOKEN_TYPE_OPEN = 0x000
MyHTML_TOKEN_TYPE_CLOSE = 0x001
MyHTML_TOKEN_TYPE_CLOSE_SELF = 0x002
MyHTML_TOKEN_TYPE_DONE = 0x004
MyHTML_TOKEN_TYPE_WHITESPACE = 0x008
MyHTML_TOKEN_TYPE_RCDATA = 0x010
MyHTML_TOKEN_TYPE_RAWTEXT = 0x020
MyHTML_TOKEN_TYPE_SCRIPT = 0x040
MyHTML_TOKEN_TYPE_PLAINTEXT = 0x080
MyHTML_TOKEN_TYPE_CDATA = 0x100
MyHTML_TOKEN_TYPE_DATA = 0x200
MyHTML_TOKEN_TYPE_COMMENT = 0x400
MyHTML_TOKEN_TYPE_NULL = 0x800
ctypedef enum myhtml_tags:
MyHTML_TAG__UNDEF = 0x000
MyHTML_TAG__TEXT = 0x001
MyHTML_TAG__COMMENT = 0x002
MyHTML_TAG__DOCTYPE = 0x003
MyHTML_TAG_A = 0x004
MyHTML_TAG_ABBR = 0x005
MyHTML_TAG_ACRONYM = 0x006
MyHTML_TAG_ADDRESS = 0x007
MyHTML_TAG_ANNOTATION_XML = 0x008
MyHTML_TAG_APPLET = 0x009
MyHTML_TAG_AREA = 0x00a
MyHTML_TAG_ARTICLE = 0x00b
MyHTML_TAG_ASIDE = 0x00c
MyHTML_TAG_AUDIO = 0x00d
MyHTML_TAG_B = 0x00e
MyHTML_TAG_BASE = 0x00f
MyHTML_TAG_BASEFONT = 0x010
MyHTML_TAG_BDI = 0x011
MyHTML_TAG_BDO = 0x012
MyHTML_TAG_BGSOUND = 0x013
MyHTML_TAG_BIG = 0x014
MyHTML_TAG_BLINK = 0x015
MyHTML_TAG_BLOCKQUOTE = 0x016
MyHTML_TAG_BODY = 0x017
MyHTML_TAG_BR = 0x018
MyHTML_TAG_BUTTON = 0x019
MyHTML_TAG_CANVAS = 0x01a
MyHTML_TAG_CAPTION = 0x01b
MyHTML_TAG_CENTER = 0x01c
MyHTML_TAG_CITE = 0x01d
MyHTML_TAG_CODE = 0x01e
MyHTML_TAG_COL = 0x01f
MyHTML_TAG_COLGROUP = 0x020
MyHTML_TAG_COMMAND = 0x021
MyHTML_TAG_COMMENT = 0x022
MyHTML_TAG_DATALIST = 0x023
MyHTML_TAG_DD = 0x024
MyHTML_TAG_DEL = 0x025
MyHTML_TAG_DETAILS = 0x026
MyHTML_TAG_DFN = 0x027
MyHTML_TAG_DIALOG = 0x028
MyHTML_TAG_DIR = 0x029
MyHTML_TAG_DIV = 0x02a
MyHTML_TAG_DL = 0x02b
MyHTML_TAG_DT = 0x02c
MyHTML_TAG_EM = 0x02d
MyHTML_TAG_EMBED = 0x02e
MyHTML_TAG_FIELDSET = 0x02f
MyHTML_TAG_FIGCAPTION = 0x030
MyHTML_TAG_FIGURE = 0x031
MyHTML_TAG_FONT = 0x032
MyHTML_TAG_FOOTER = 0x033
MyHTML_TAG_FORM = 0x034
MyHTML_TAG_FRAME = 0x035
MyHTML_TAG_FRAMESET = 0x036
MyHTML_TAG_H1 = 0x037
MyHTML_TAG_H2 = 0x038
MyHTML_TAG_H3 = 0x039
MyHTML_TAG_H4 = 0x03a
MyHTML_TAG_H5 = 0x03b
MyHTML_TAG_H6 = 0x03c
MyHTML_TAG_HEAD = 0x03d
MyHTML_TAG_HEADER = 0x03e
MyHTML_TAG_HGROUP = 0x03f
MyHTML_TAG_HR = 0x040
MyHTML_TAG_HTML = 0x041
MyHTML_TAG_I = 0x042
MyHTML_TAG_IFRAME = 0x043
MyHTML_TAG_IMAGE = 0x044
MyHTML_TAG_IMG = 0x045
MyHTML_TAG_INPUT = 0x046
MyHTML_TAG_INS = 0x047
MyHTML_TAG_ISINDEX = 0x048
MyHTML_TAG_KBD = 0x049
MyHTML_TAG_KEYGEN = 0x04a
MyHTML_TAG_LABEL = 0x04b
MyHTML_TAG_LEGEND = 0x04c
MyHTML_TAG_LI = 0x04d
MyHTML_TAG_LINK = 0x04e
MyHTML_TAG_LISTING = 0x04f
MyHTML_TAG_MAIN = 0x050
MyHTML_TAG_MAP = 0x051
MyHTML_TAG_MARK = 0x052
MyHTML_TAG_MARQUEE = 0x053
MyHTML_TAG_MENU = 0x054
MyHTML_TAG_MENUITEM = 0x055
MyHTML_TAG_META = 0x056
MyHTML_TAG_METER = 0x057
MyHTML_TAG_MTEXT = 0x058
MyHTML_TAG_NAV = 0x059
MyHTML_TAG_NOBR = 0x05a
MyHTML_TAG_NOEMBED = 0x05b
MyHTML_TAG_NOFRAMES = 0x05c
MyHTML_TAG_NOSCRIPT = 0x05d
MyHTML_TAG_OBJECT = 0x05e
MyHTML_TAG_OL = 0x05f
MyHTML_TAG_OPTGROUP = 0x060
MyHTML_TAG_OPTION = 0x061
MyHTML_TAG_OUTPUT = 0x062
MyHTML_TAG_P = 0x063
MyHTML_TAG_PARAM = 0x064
MyHTML_TAG_PLAINTEXT = 0x065
MyHTML_TAG_PRE = 0x066
MyHTML_TAG_PROGRESS = 0x067
MyHTML_TAG_Q = 0x068
MyHTML_TAG_RB = 0x069
MyHTML_TAG_RP = 0x06a
MyHTML_TAG_RT = 0x06b
MyHTML_TAG_RTC = 0x06c
MyHTML_TAG_RUBY = 0x06d
MyHTML_TAG_S = 0x06e
MyHTML_TAG_SAMP = 0x06f
MyHTML_TAG_SCRIPT = 0x070
MyHTML_TAG_SECTION = 0x071
MyHTML_TAG_SELECT = 0x072
MyHTML_TAG_SMALL = 0x073
MyHTML_TAG_SOURCE = 0x074
MyHTML_TAG_SPAN = 0x075
MyHTML_TAG_STRIKE = 0x076
MyHTML_TAG_STRONG = 0x077
MyHTML_TAG_STYLE = 0x078
MyHTML_TAG_SUB = 0x079
MyHTML_TAG_SUMMARY = 0x07a
MyHTML_TAG_SUP = 0x07b
MyHTML_TAG_SVG = 0x07c
MyHTML_TAG_TABLE = 0x07d
MyHTML_TAG_TBODY = 0x07e
MyHTML_TAG_TD = 0x07f
MyHTML_TAG_TEMPLATE = 0x080
MyHTML_TAG_TEXTAREA = 0x081
MyHTML_TAG_TFOOT = 0x082
MyHTML_TAG_TH = 0x083
MyHTML_TAG_THEAD = 0x084
MyHTML_TAG_TIME = 0x085
MyHTML_TAG_TITLE = 0x086
MyHTML_TAG_TR = 0x087
MyHTML_TAG_TRACK = 0x088
MyHTML_TAG_TT = 0x089
MyHTML_TAG_U = 0x08a
MyHTML_TAG_UL = 0x08b
MyHTML_TAG_VAR = 0x08c
MyHTML_TAG_VIDEO = 0x08d
MyHTML_TAG_WBR = 0x08e
MyHTML_TAG_XMP = 0x08f
MyHTML_TAG_ALTGLYPH = 0x090
MyHTML_TAG_ALTGLYPHDEF = 0x091
MyHTML_TAG_ALTGLYPHITEM = 0x092
MyHTML_TAG_ANIMATE = 0x093
MyHTML_TAG_ANIMATECOLOR = 0x094
MyHTML_TAG_ANIMATEMOTION = 0x095
MyHTML_TAG_ANIMATETRANSFORM = 0x096
MyHTML_TAG_CIRCLE = 0x097
MyHTML_TAG_CLIPPATH = 0x098
MyHTML_TAG_COLOR_PROFILE = 0x099
MyHTML_TAG_CURSOR = 0x09a
MyHTML_TAG_DEFS = 0x09b
MyHTML_TAG_DESC = 0x09c
MyHTML_TAG_ELLIPSE = 0x09d
MyHTML_TAG_FEBLEND = 0x09e
MyHTML_TAG_FECOLORMATRIX = 0x09f
MyHTML_TAG_FECOMPONENTTRANSFER = 0x0a0
MyHTML_TAG_FECOMPOSITE = 0x0a1
MyHTML_TAG_FECONVOLVEMATRIX = 0x0a2
MyHTML_TAG_FEDIFFUSELIGHTING = 0x0a3
MyHTML_TAG_FEDISPLACEMENTMAP = 0x0a4
MyHTML_TAG_FEDISTANTLIGHT = 0x0a5
MyHTML_TAG_FEDROPSHADOW = 0x0a6
MyHTML_TAG_FEFLOOD = 0x0a7
MyHTML_TAG_FEFUNCA = 0x0a8
MyHTML_TAG_FEFUNCB = 0x0a9
MyHTML_TAG_FEFUNCG = 0x0aa
MyHTML_TAG_FEFUNCR = 0x0ab
MyHTML_TAG_FEGAUSSIANBLUR = 0x0ac
MyHTML_TAG_FEIMAGE = 0x0ad
MyHTML_TAG_FEMERGE = 0x0ae
MyHTML_TAG_FEMERGENODE = 0x0af
MyHTML_TAG_FEMORPHOLOGY = 0x0b0
MyHTML_TAG_FEOFFSET = 0x0b1
MyHTML_TAG_FEPOINTLIGHT = 0x0b2
MyHTML_TAG_FESPECULARLIGHTING = 0x0b3
MyHTML_TAG_FESPOTLIGHT = 0x0b4
MyHTML_TAG_FETILE = 0x0b5
MyHTML_TAG_FETURBULENCE = 0x0b6
MyHTML_TAG_FILTER = 0x0b7
MyHTML_TAG_FONT_FACE = 0x0b8
MyHTML_TAG_FONT_FACE_FORMAT = 0x0b9
MyHTML_TAG_FONT_FACE_NAME = 0x0ba
MyHTML_TAG_FONT_FACE_SRC = 0x0bb
MyHTML_TAG_FONT_FACE_URI = 0x0bc
MyHTML_TAG_FOREIGNOBJECT = 0x0bd
MyHTML_TAG_G = 0x0be
MyHTML_TAG_GLYPH = 0x0bf
MyHTML_TAG_GLYPHREF = 0x0c0
MyHTML_TAG_HKERN = 0x0c1
MyHTML_TAG_LINE = 0x0c2
MyHTML_TAG_LINEARGRADIENT = 0x0c3
MyHTML_TAG_MARKER = 0x0c4
MyHTML_TAG_MASK = 0x0c5
MyHTML_TAG_METADATA = 0x0c6
MyHTML_TAG_MISSING_GLYPH = 0x0c7
MyHTML_TAG_MPATH = 0x0c8
MyHTML_TAG_PATH = 0x0c9
MyHTML_TAG_PATTERN = 0x0ca
MyHTML_TAG_POLYGON = 0x0cb
MyHTML_TAG_POLYLINE = 0x0cc
MyHTML_TAG_RADIALGRADIENT = 0x0cd
MyHTML_TAG_RECT = 0x0ce
MyHTML_TAG_SET = 0x0cf
MyHTML_TAG_STOP = 0x0d0
MyHTML_TAG_SWITCH = 0x0d1
MyHTML_TAG_SYMBOL = 0x0d2
MyHTML_TAG_TEXT = 0x0d3
MyHTML_TAG_TEXTPATH = 0x0d4
MyHTML_TAG_TREF = 0x0d5
MyHTML_TAG_TSPAN = 0x0d6
MyHTML_TAG_USE = 0x0d7
MyHTML_TAG_VIEW = 0x0d8
MyHTML_TAG_VKERN = 0x0d9
MyHTML_TAG_MATH = 0x0da
MyHTML_TAG_MACTION = 0x0db
MyHTML_TAG_MALIGNGROUP = 0x0dc
MyHTML_TAG_MALIGNMARK = 0x0dd
MyHTML_TAG_MENCLOSE = 0x0de
MyHTML_TAG_MERROR = 0x0df
MyHTML_TAG_MFENCED = 0x0e0
MyHTML_TAG_MFRAC = 0x0e1
MyHTML_TAG_MGLYPH = 0x0e2
MyHTML_TAG_MI = 0x0e3
MyHTML_TAG_MLABELEDTR = 0x0e4
MyHTML_TAG_MLONGDIV = 0x0e5
MyHTML_TAG_MMULTISCRIPTS = 0x0e6
MyHTML_TAG_MN = 0x0e7
MyHTML_TAG_MO = 0x0e8
MyHTML_TAG_MOVER = 0x0e9
MyHTML_TAG_MPADDED = 0x0ea
MyHTML_TAG_MPHANTOM = 0x0eb
MyHTML_TAG_MROOT = 0x0ec
MyHTML_TAG_MROW = 0x0ed
MyHTML_TAG_MS = 0x0ee
MyHTML_TAG_MSCARRIES = 0x0ef
MyHTML_TAG_MSCARRY = 0x0f0
MyHTML_TAG_MSGROUP = 0x0f1
MyHTML_TAG_MSLINE = 0x0f2
MyHTML_TAG_MSPACE = 0x0f3
MyHTML_TAG_MSQRT = 0x0f4
MyHTML_TAG_MSROW = 0x0f5
MyHTML_TAG_MSTACK = 0x0f6
MyHTML_TAG_MSTYLE = 0x0f7
MyHTML_TAG_MSUB = 0x0f8
MyHTML_TAG_MSUP = 0x0f9
MyHTML_TAG_MSUBSUP = 0x0fa
MyHTML_TAG__END_OF_FILE = 0x0fb
MyHTML_TAG_FIRST_ENTRY = MyHTML_TAG__TEXT
MyHTML_TAG_LAST_ENTRY = 0x0fc
ctypedef enum myhtml_tree_parse_flags_t:
MyHTML_TREE_PARSE_FLAGS_CLEAN = 0x000
MyHTML_TREE_PARSE_FLAGS_WITHOUT_BUILD_TREE = 0x001
MyHTML_TREE_PARSE_FLAGS_WITHOUT_PROCESS_TOKEN = 0x003
MyHTML_TREE_PARSE_FLAGS_SKIP_WHITESPACE_TOKEN = 0x004
MyHTML_TREE_PARSE_FLAGS_WITHOUT_DOCTYPE_IN_TREE = 0x008
ctypedef struct myhtml_token_node_t:
myhtml_tag_id_t tag_id
mycore_string_t str
size_t raw_begin
size_t raw_length
size_t element_begin
size_t element_length
myhtml_token_attr_t* attr_first
myhtml_token_attr_t* attr_last
myhtml_token_type type
ctypedef struct myhtml_token_attr_t:
myhtml_token_attr_t* next
myhtml_token_attr_t* prev
mycore_string_t key
mycore_string_t value
size_t raw_key_begin
size_t raw_key_length
size_t raw_value_begin
size_t raw_value_length
myhtml_namespace ns
ctypedef struct myhtml_tree_attr_t:
myhtml_tree_attr_t* next
myhtml_tree_attr_t* prev
mycore_string_t key
mycore_string_t value
size_t raw_key_begin
size_t raw_key_length
size_t raw_value_begin
size_t raw_value_length
myhtml_t * myhtml_create()
mystatus_t myhtml_init(myhtml_t* myhtml, myhtml_options opt, size_t thread_count, size_t queue_size)
myhtml_tree_t * myhtml_tree_create()
mystatus_t myhtml_tree_init(myhtml_tree_t* tree, myhtml_t* myhtml)
mystatus_t myhtml_parse(myhtml_tree_t* tree, myencoding_t encoding, const char* html, size_t html_size)
myhtml_tree_attr_t* myhtml_node_attribute_first(myhtml_tree_node_t* node)
myhtml_tree_attr_t* myhtml_attribute_by_key(myhtml_tree_node_t *node, const char *key, size_t key_len)
const char* myhtml_node_text(myhtml_tree_node_t *node, size_t *length)
mycore_string_t * myhtml_node_string(myhtml_tree_node_t *node)
const char * myhtml_tag_name_by_id(myhtml_tree_t* tree, myhtml_tag_id_t tag_id, size_t *length)
myhtml_collection_t * myhtml_collection_destroy(myhtml_collection_t *collection)
myhtml_tree_t * myhtml_tree_destroy(myhtml_tree_t* tree)
myhtml_t* myhtml_destroy(myhtml_t* myhtml)
myhtml_tree_node_t* myhtml_tree_get_document(myhtml_tree_t* tree)
myhtml_tree_node_t* myhtml_tree_get_node_body(myhtml_tree_t* tree)
myhtml_tree_node_t* myhtml_tree_get_node_head(myhtml_tree_t* tree)
myhtml_collection_t* myhtml_get_nodes_by_name(myhtml_tree_t* tree, myhtml_collection_t *collection,
const char* name, size_t length, mystatus_t *status)
void myhtml_node_delete(myhtml_tree_node_t *node)
void myhtml_node_delete_recursive(myhtml_tree_node_t *node)
void myhtml_tree_parse_flags_set(myhtml_tree_t* tree, myhtml_tree_parse_flags_t parse_flags)
myhtml_tree_node_t * myhtml_node_insert_before(myhtml_tree_node_t *target, myhtml_tree_node_t *node)
myhtml_tree_node_t * myhtml_node_insert_after(myhtml_tree_node_t *target, myhtml_tree_node_t *node)
myhtml_tree_node_t * myhtml_node_create(myhtml_tree_t* tree, myhtml_tag_id_t tag_id, myhtml_namespace ns)
myhtml_tree_node_t * myhtml_node_clone_deep(myhtml_tree_t* dest_tree, myhtml_tree_node_t* src)
myhtml_tree_node_t * myhtml_node_append_child(myhtml_tree_node_t* target, myhtml_tree_node_t* node)
mycore_string_t * myhtml_node_text_set(myhtml_tree_node_t *node, const char* text, size_t length,
myencoding_t encoding)
myhtml_tree_attr_t * myhtml_attribute_by_key(myhtml_tree_node_t *node, const char *key, size_t key_len)
myhtml_tree_attr_t * myhtml_attribute_remove_by_key(myhtml_tree_node_t *node, const char *key, size_t key_len)
myhtml_tree_attr_t * myhtml_attribute_add(myhtml_tree_node_t *node, const char *key, size_t key_len,
const char *value, size_t value_len, myencoding_t encoding)
myhtml_tree_node_t * myhtml_node_insert_to_appropriate_place(myhtml_tree_node_t *target, myhtml_tree_node_t *node)
cdef extern from "myhtml/tree.h" nogil:
myhtml_tree_node_t * myhtml_tree_node_clone(myhtml_tree_node_t* node)
myhtml_tree_node_t * myhtml_tree_node_insert_root(myhtml_tree_t* tree, myhtml_token_node_t* token,
myhtml_namespace ns)
void myhtml_tree_node_add_child(myhtml_tree_node_t* root, myhtml_tree_node_t* node)
cdef extern from "myhtml/serialization.h" nogil:
mystatus_t myhtml_serialization(myhtml_tree_node_t* scope_node, mycore_string_raw_t* str)
cdef extern from "myencoding/encoding.h" nogil:
ctypedef enum myencoding_t:
MyENCODING_DEFAULT = 0x00
# MyENCODING_AUTO = 0x01 // future
MyENCODING_NOT_DETERMINED = 0x02
MyENCODING_UTF_8 = 0x00 # default encoding
MyENCODING_UTF_16LE = 0x04
MyENCODING_UTF_16BE = 0x05
MyENCODING_X_USER_DEFINED = 0x06
MyENCODING_BIG5 = 0x07
MyENCODING_EUC_JP = 0x08
MyENCODING_EUC_KR = 0x09
MyENCODING_GB18030 = 0x0a
MyENCODING_GBK = 0x0b
MyENCODING_IBM866 = 0x0c
MyENCODING_ISO_2022_JP = 0x0d
MyENCODING_ISO_8859_10 = 0x0e
MyENCODING_ISO_8859_13 = 0x0f
MyENCODING_ISO_8859_14 = 0x10
MyENCODING_ISO_8859_15 = 0x11
MyENCODING_ISO_8859_16 = 0x12
MyENCODING_ISO_8859_2 = 0x13
MyENCODING_ISO_8859_3 = 0x14
MyENCODING_ISO_8859_4 = 0x15
MyENCODING_ISO_8859_5 = 0x16
MyENCODING_ISO_8859_6 = 0x17
MyENCODING_ISO_8859_7 = 0x18
MyENCODING_ISO_8859_8 = 0x19
MyENCODING_ISO_8859_8_I = 0x1a
MyENCODING_KOI8_R = 0x1b
MyENCODING_KOI8_U = 0x1c
MyENCODING_MACINTOSH = 0x1d
MyENCODING_SHIFT_JIS = 0x1e
MyENCODING_WINDOWS_1250 = 0x1f
MyENCODING_WINDOWS_1251 = 0x20
MyENCODING_WINDOWS_1252 = 0x21
MyENCODING_WINDOWS_1253 = 0x22
MyENCODING_WINDOWS_1254 = 0x23
MyENCODING_WINDOWS_1255 = 0x24
MyENCODING_WINDOWS_1256 = 0x25
MyENCODING_WINDOWS_1257 = 0x26
MyENCODING_WINDOWS_1258 = 0x27
MyENCODING_WINDOWS_874 = 0x28
MyENCODING_X_MAC_CYRILLIC = 0x29
MyENCODING_LAST_ENTRY = 0x2a
bint myencoding_detect_bom(const char *text, size_t length, myencoding_t *encoding)
bint myencoding_detect(const char *text, size_t length, myencoding_t *encoding)
myencoding_t myencoding_prescan_stream_to_determine_encoding(const char *data, size_t data_size)
const char* myencoding_name_by_id(myencoding_t encoding, size_t *length)
cdef extern from "mycss/mycss.h" nogil:
ctypedef struct mycss_entry_t:
# not completed struct
mycss_t* mycss
ctypedef struct mycss_t
ctypedef struct mycss_selectors_t
ctypedef struct mycss_selectors_entries_list_t
ctypedef struct mycss_declaration_entry_t
ctypedef enum mycss_selectors_flags:
MyCSS_SELECTORS_FLAGS_UNDEF = 0x00
MyCSS_SELECTORS_FLAGS_SELECTOR_BAD = 0x01
ctypedef mycss_selectors_flags mycss_selectors_flags_t
ctypedef struct mycss_selectors_list_t:
mycss_selectors_entries_list_t* entries_list
size_t entries_list_length
mycss_declaration_entry_t* declaration_entry
mycss_selectors_flags_t flags
mycss_selectors_list_t* parent
mycss_selectors_list_t* next
mycss_selectors_list_t* prev
# CSS init routines
mycss_t * mycss_create()
mystatus_t mycss_init(mycss_t* mycss)
mycss_entry_t * mycss_entry_create()
mystatus_t mycss_entry_init(mycss_t* mycss, mycss_entry_t* entry)
mycss_selectors_list_t * mycss_selectors_parse(mycss_selectors_t* selectors, myencoding_t encoding,
const char* data, size_t data_size, mystatus_t* out_status)
mycss_selectors_t * mycss_entry_selectors(mycss_entry_t* entry)
mycss_selectors_list_t * mycss_selectors_list_destroy(mycss_selectors_t* selectors,
mycss_selectors_list_t* selectors_list, bint self_destroy)
mycss_entry_t * mycss_entry_destroy(mycss_entry_t* entry, bint self_destroy)
mycss_t * mycss_destroy(mycss_t* mycss, bint self_destroy)
cdef extern from "modest/finder/finder.h" nogil:
ctypedef struct modest_finder_t
modest_finder_t* modest_finder_create_simple()
mystatus_t modest_finder_by_selectors_list(modest_finder_t* finder, myhtml_tree_node_t* scope_node,
mycss_selectors_list_t* selector_list, myhtml_collection_t** collection)
modest_finder_t * modest_finder_destroy(modest_finder_t* finder, bint self_destroy)
cdef class HTMLParser:
cdef myhtml_tree_t *html_tree
cdef public bint detect_encoding
cdef public bint use_meta_tags
cdef myencoding_t _encoding
cdef public unicode decode_errors
cdef public bytes raw_html
cdef object cached_script_texts
cdef object cached_script_srcs
cdef void _detect_encoding(self, char* html, size_t html_len) nogil
cdef int _parse_html(self, char* html, size_t html_len) except -1
@staticmethod
cdef HTMLParser from_tree(
myhtml_tree_t * tree, bytes raw_html, bint detect_encoding, bint use_meta_tags, str decode_errors,
myencoding_t encoding
)
cdef class Stack:
cdef size_t capacity
cdef size_t top
cdef myhtml_tree_node_t ** _stack
cdef bint is_empty(self)
cdef int push(self, myhtml_tree_node_t* res) except -1
cdef myhtml_tree_node_t * pop(self)
cdef int resize(self) except -1
|
