Iphone NSScanner循环问题

我有一个

NSScanner

对象，可以扫描HTML文档中的段落标记。扫描器似乎在找到第一个结果时停止，但我需要数组中的所有结果

如何改进我的代码以遍历整个文档

- (NSArray *)getParagraphs:(NSString *) html 
{
    NSScanner *theScanner;
    NSString *text = nil;

    theScanner = [NSScanner scannerWithString: html];

    NSMutableArray*paragraphs = [[NSMutableArray alloc] init];

    // find start of tag
    [theScanner scanUpToString: @"<p>" intoString: NULL];
    if ([theScanner isAtEnd] == NO) {
        NSInteger newLoc = [theScanner scanLocation] + 10;
        [theScanner setScanLocation: newLoc];

        // find end of tag
        [theScanner scanUpToString: @"</p>" intoString: &text];

        [paragraphs addObject:text];
    }

    return text;
}

-（NSArray*）获取段落：（NSString*）html
{
NSScanner*扫描仪；
NSString*text=nil；
扫描仪=[NSScanner SCANNER WITHSTRING:html]；
NSMutableArray*段落=[[NSMutableArray alloc]init]；
//查找标记的开始
[扫描程序扫描字符串：@“”到字符串：NULL]；
如果（[扫描程序IsAttend]==否）{
NSInteger newLoc=[扫描位置]+10；
[扫描仪设置扫描位置：newLoc]；
//查找标记的结尾
[扫描程序扫描字符串：@“
”到字符串：&text]；
[目的：案文]；
}
返回文本；
}

免责声明：要解析HTML，最好使用HTML解析器，如libxml的HTML4解析器，尤其是处理任意可能格式错误的HTML。无论如何，由于问题是如何使用

NSParser

改进现有代码，因此我提供以下示例。这在大多数情况下都会起作用，但也有一些极端情况下不会起作用。对于seriuos HTML解析，请使用HTML解析器

---

迭代，直到扫描仪耗尽所有字符：

NSScanner* scanner = [NSScanner scannerWithString:html];
NSMutableArray *paragraphs = [[NSMutableArray alloc] init];
[scanner scanUpToString:@"<p" intoString:nil];
while (![scanner isAtEnd]) {
    [scanner scanUpToString:@">" intoString:nil];
    [scanner scanString:@">" intoString:nil];
    NSString * text = nil;
    [scanner scanUpToString:@"</p>" intoString:&text];
    if (text) { // if html contains empty paragraphs <p></p>, text could be nil
        [paragraphs addObject:text];
    }
    [scanner scanUpToString:@"<p" intoString:nil];
}
...
[paragraphs release];

NSScanner*scanner=[NSScanner scannerWithString:html]；
NSMutableArray*段落=[[NSMutableArray alloc]init]；
[扫描程序扫描字符串：@“intoString:nil]；
[扫描仪扫描字符串：@“>”到字符串：无]；
NSString*text=nil；
[扫描仪扫描字符串：@“
”intoString:&text]；
如果（text）{//如果html包含空段落
，则文本可能为零
[目的：案文]；
}
[scanner ScanupString:@”不要使用扫描仪来解析HTML（也不要使用正则表达式……哦，痛苦）*。HTML的全部意义在于它是一个结构化文档，被设计成节点树或对象树。几乎整个基于DOM[文档对象模型]的行业都是围绕这一点构建的

只需使用XML解析器，因为[结构良好的HTML实际上就是XML]（或者——如果您需要事件驱动的话——）将非常有效

或者，如果您必须处理格式错误的HTML（即任意服务器），请使用适当的HTML解析器

这是一个很好的例子

*更不用说解析HTML在业界是一个“已解决的问题”。没有必要推出新的问题。
这在任何数量的完全有效的情况下都会失败；
.
或
这是一个段落中的段落。例如，我编辑代码以考虑@bbum建议的元素属性。关于嵌套段落，我认为它们不是有效的html。是的--你是对的。
fdc
无效…但是，在解析任意html时，“有效”通常意味着“无论当前浏览器做什么”，结构有效性并不是一个真正的考虑因素。此外--IIRC，a
我编辑了这个问题，以反映使用HTML解析器会更好，这就是为什么要使用libxml2的HTML4解析器……只要有人说“HTML不是XML”，他们通常指的是缺乏适当的强制标记结构，而libxml2应该注意这一点。HTML和XHTML之间的区别不仅仅是强制的结束标记（或自动关闭标记）。因此，“结构良好的HTML实际上只是XML”听起来不太准确。HTML可以很好地结构化，但仍然不是XML。无论如何，我同意最好使用HTML解析器。