Цитата(MAKCim @ 7.9.2009, 00:58  ) |
| по-хорошему нужно взять что-то типа libhtml и не париться ;) |
Дык... Так это меня и интересовало! Спасибо!
| Версия для печати темы
Нажмите сюда для просмотра этой темы в оригинальном формате |
| Форум программистов > C/C++: Общие вопросы > Алгоритм парсинга html файла |
| Автор: andrew_121 6.9.2009, 23:17 |
| Задача: Распарсить html файл, для извлечения ссылок. Проблема: Как определить что ссылка полная? К примеру. Нужно найти все ссылки на .rar файлы. Находим текст .rar, итерируемся в обратном направлении для нахождения http://. По идее, так мы получим ссылку. Но в .html файле, может быть несколько упоминаний .rar, и мы найдем(а может и нет) подстроку http:// не являющуюся частью ссылки на это расширение. Как можно еще решить эту задачу? Может есть какие-то другие способы? |
| Автор: Anikmar 6.9.2009, 23:41 |
| Нужно будет все-таки анализировать все символы. Например, если встретились недопустимые символы (тот же знак >) прекращать итерацию. Либо уже как выделили строку с http по .rar смотреть на ее дропустимость в качестве имени файла (ссылки). |
| Автор: andrew_121 6.9.2009, 23:45 |
| Anikmar, Да, так я и думал. Просто любопытно было, какие еще есть варианты. |
| Автор: MAKCim 7.9.2009, 00:58 |
| по-хорошему нужно взять что-то типа libhtml и не париться ;) |
| Автор: andrew_121 7.9.2009, 01:01 | ||
Дык... Так это меня и интересовало! Спасибо! |
| Автор: mrbrooks 7.9.2009, 08:24 |
| andrew_121, можно заюзать еще Xerces-C++. Правда не думаю, что это кошернее варианта MAKCim. |
| Автор: Cheloveck 7.9.2009, 08:33 | ||
а почему бы не регепсы?
как-то так, кажется |