高效解析HTML数据的Delphi实现方案及HTMLP组件使用咨询

嗨，针对你的HTML解析需求，我来给你梳理几个更高效的方案，还有帮你调整HTMLP组件的代码：

你当前逐行判断的方法虽然可行，但容错性低（比如HTML标签换行不规整就会失效），也不够高效。推荐几个Delphi生态里成熟的开源HTML解析组件：

• HtmlViewer + HtmlParser：老牌组件，社区使用广泛，支持完整的DOM树遍历、属性提取，文档和示例相对丰富，能轻松处理复杂HTML结构。
• TMS Web Core HTML解析类：如果你的项目偏Web相关，这套工具类的API设计直观，处理HTML节点和属性的逻辑非常顺畅。
• NativeXML（HTML兼容模式）：轻量且解析速度快，开启HTML兼容模式后，可以用类似XML的方式遍历HTML节点，适合追求性能的场景。

这些组件都是基于DOM树解析的，能直接定位到<tr>、<td>这类目标标签，不用自己手动处理字符串切割和边界判断，容错性和效率都比逐行判断高很多。

你当前的代码只遍历了body的直接子节点，没深入到<tr>内部的<td>层级。修改后的代码会先批量定位所有<tr>元素，再逐个提取每条记录的字段：

var 
  HtmlParser: THtmlParser;
  HtmlDoc: TDocument;
  body: TElement;
  trNodes: TNodeList;
  trNode, tdNode: TNode;
  trElement, tdElement: TElement;
  i, j: Integer;
  currentRecord: TStringList; // 暂存单条记录的所有字段
begin
  HtmlParser := THtmlParser.Create;
  currentRecord := TStringList.Create;
  try
    HtmlDoc := HtmlParser.parseString(memo1.Text);
    try
      body := GetDocBody(HtmlDoc);
      if Assigned(body) then
      begin
        // 批量获取所有<tr>元素，比手动遍历更高效
        trNodes := body.getElementsByTagName('tr');
        try
          for i := 0 to trNodes.length - 1 do
          begin
            trNode := trNodes.item(i);
            if trNode is TElement then
            begin
              trElement := trNode as TElement;
              currentRecord.Clear;
              // 遍历当前<tr>下的所有<td>子节点
              for j := 0 to trElement.childNodes.length - 1 do
              begin
                tdNode := trElement.childNodes.item(j);
                if tdNode is TElement then
                begin
                  tdElement := tdNode as TElement;
                  if tdElement.tagName = 'td' then
                  begin
                    // 提取data-th属性作为字段名，文本内容作为字段值
                    var fieldName := tdElement.GetAttribute('data-th');
                    var fieldValue := tdElement.textContent.Trim;
                    currentRecord.Add(Format('%s: %s', [fieldName, fieldValue]));
                  end;
                end;
              end;
              // 输出单条记录结果，也可以改成存入数组/数据库
              memo1.Lines.Add('--- 新记录分割线 ---');
              memo1.Lines.AddStrings(currentRecord);
            end;
          end;
        finally
          trNodes.Free;
        end;
      end;
    finally
      HtmlDoc.Free;
    end;
  finally
    HtmlParser.Free;
    currentRecord.Free;
  end;
end;

代码关键说明： #

1. 用getElementsByTagName批量定位：直接获取所有<tr>元素，避免手动遍历无关节点，提升效率。
2. 逐层提取字段：针对每条<tr>，遍历内部的<td>，用data-th作为字段标识，textContent提取内容。
3. 暂存单条记录：用TStringList临时存储一条记录的所有字段，方便后续扩展处理（比如写入数据库、转换成对象）。

如果你的实际HTML里<tr>嵌套在<table>标签内，只需要先定位到<table>元素，再在table内调用getElementsByTagName('tr')即可，逻辑完全通用。

• 可以加边界判断：比如检查<td>是否存在data-th属性、文本内容是否为空，避免出现异常或无效数据。
• 优先用组件最新版本：新版本的HTMLP组件可能修复了DOM遍历的bug，API也会更稳定。

内容的提问来源于stack exchange，提问作者Peter Jones