BT

Google abre código-fonte do Gumbo, uma biblioteca para parsing de HTML5

por Abel Avram , traduzido por Renan de Melo Oliveira em 14 Nov 2013 |

O Google abriu o código-fonte do Gumbo, uma biblioteca para parsing de HTML escrita em C. O Gumbo segue o algoritmo de parsing de HTML5, passando em todos os testes da biblioteca html5lib-0.95, além de ter sido testado em 2,5 bilhões de páginas indexadas pelo Google.

De acordo com a página de descrição do projeto, o propósito em lançar o Gumbo é dar aos desenvolvedores uma biblioteca para parse HTML que não possui dependências externas e pode ser chamado a partir da maioria das linguagens. A biblioteca poderia ser incluída em validadores de páginas web, analisadores estáticos, linguagens de template, ferramentas de refatoração, etc.

O Google considera o Gumbo como "robusto e flexível a uma entrada mal escrita", porém não recomenda que se possua ponteiros para algumas de suas estruturas internas de dados, pois é provável que a API mude no futuro. Apesar da API ser considerada como estável, a equipe está esperando por comentários dos usuários antes de lançar a versão 1.0, o que deve ocorrer no futuro próximo.

Algumas das funcionalidades que serão adicionadas no futuro são:

  • Suporte para mudanças recentes na especificação do HTML5 para suportar a tag template;
  • Suporte a parse de fragmentos;
  • Relatórios de erro com diversos recursos;
  • Acoplamento em outras linguagens.

Antes da padronização do algoritmo de parse do HTML 5, cada navegador escolhia como iria interpretar as páginas de entrada e como iria apresentá-las ao usuário. Apesar do HTML 4 possuir especificações a respeito de remarcações válidas, não existia nenhuma diretiva a respeito de como o navegador deveria se comportar quando a entrada não era válida, somado ao fato de 95% das páginas web do mundo não passarem no validador de referência do W3C. Validar páginas HTML com uma ferramenta como o Gumbo garante que páginas serão apropriadamente convertidas e exibidas em todos os grandes navegadores.

Olá visitante

Você precisa cadastrar-se no InfoQ Brasil ou para enviar comentários. Há muitas vantagens em se cadastrar.

Obtenha o máximo da experiência do InfoQ Brasil.

Dê sua opinião

HTML é permitido: a,b,br,blockquote,i,li,pre,u,ul,p

Receber mensagens dessa discussão
Comentários da comunidade

HTML é permitido: a,b,br,blockquote,i,li,pre,u,ul,p

Receber mensagens dessa discussão

HTML é permitido: a,b,br,blockquote,i,li,pre,u,ul,p

Receber mensagens dessa discussão

Dê sua opinião

Conteúdo educacional

Feedback geral
Bugs
Publicidade
Editorial
InfoQ Brasil e todo o seu conteúdo: todos os direitos reservados. © 2006-2014 C4Media Inc.
Política de privacidade
BT