如何使用Qt解析HTML文件并生成QDomDocument或类似对象？

我之前也碰到过一模一样的问题！Qt自带的QDomDocument本质是XML解析器，对不规范的HTML（尤其是<script>标签里的JS代码，比如a.length这种看起来像XML标签的内容）完全不友好，直接报错太正常了。不过Qt确实有原生的解决方案，给你整理几个靠谱的思路：

1. 用QtWebEngine/WebKit获取规范化DOM（最推荐） #

这是最省心的方案，因为QtWebEngine基于Chrome内核，能完美处理各种奇葩的HTML语法，把它们转换成标准的DOM结构。步骤大概是这样：

• 创建QWebEnginePage实例，加载你的HTML内容；
• 等页面加载完成后，调用toHtml()获取经过规范化的HTML字符串；
• 再用QDomDocument解析这个规范化后的HTML，此时就不会触发XML格式错误了。

举个简单的代码示例：

#include <QWebEnginePage>
#include <QDomDocument>
#include <QDebug>

void parseHtmlToDom(const QString& html) {
    QWebEnginePage page;
    // 加载HTML内容
    page.setHtml(html);

    // 等待页面加载完成（可以用信号槽或者事件循环）
    QEventLoop loop;
    QObject::connect(&page, &QWebEnginePage::loadFinished, &loop, &QEventLoop::quit);
    loop.exec();

    // 获取规范化后的HTML
    page.toHtml([](const QString& normalizedHtml) {
        QDomDocument domDoc;
        QString errorMsg;
        int errorLine, errorCol;
        if (domDoc.setContent(normalizedHtml, &errorMsg, &errorLine, &errorCol)) {
            // 成功解析，这里可以处理domDoc了
            qDebug() << "DOM解析成功！";
        } else {
            qDebug() << "解析失败：" << errorMsg << "行：" << errorLine << "列：" << errorCol;
        }
    });
}

如果是Qt 5.6之前的版本，用QWebPage（QtWebKit模块）的话，逻辑差不多，直接调用mainFrame()->toHtml()就能拿到规范化的HTML。

2. 用QXmlStreamReader的HTML解析模式手动构建DOM #

如果你的项目没法用WebEngine（比如嵌入式设备资源有限），可以试试QXmlStreamReader的HTML解析选项。它能容忍HTML的不规范语法，你可以遍历流中的元素，手动构建QDomDocument的节点。

示例代码片段：

#include <QXmlStreamReader>
#include <QDomDocument>

QDomDocument parseHtmlWithStreamReader(const QString& html) {
    QDomDocument domDoc;
    QXmlStreamReader reader(html);
    // 开启HTML解析模式
    reader.setNamespaceProcessing(false);
    reader.setHtmlParsingEnabled(true);

    QDomElement currentElement;
    while (!reader.atEnd()) {
        reader.readNext();
        if (reader.isStartElement()) {
            QDomElement elem = domDoc.createElement(reader.name().toString());
            // 处理属性
            for (const QXmlStreamAttribute& attr : reader.attributes()) {
                elem.setAttribute(attr.name().toString(), attr.value().toString());
            }
            if (currentElement.isNull()) {
                domDoc.appendChild(elem);
            } else {
                currentElement.appendChild(elem);
            }
            currentElement = elem;
        } else if (reader.isEndElement()) {
            if (!currentElement.isNull()) {
                currentElement = currentElement.parentNode().toElement();
            }
        } else if (reader.isCharacters() && !reader.isWhitespace()) {
            if (!currentElement.isNull()) {
                currentElement.appendChild(domDoc.createTextNode(reader.text().toString()));
            }
        }
    }
    return domDoc;
}

这个方法需要自己处理节点的嵌套关系，虽然麻烦，但不需要依赖Web模块，适合轻量场景。

3. 预处理HTML，把