如何使用C将HTML解析为.txt格式

Question

我需要使用C.

将HTML解析为.txt格式

一个例子 - 它必须检测每个

1. <p>
2. <tr>
3. <ul> etc...

并将它们转换为文本（在文档中）

有人可以帮忙吗？

Answer 1

我认为，在html下载c网页的最简单方法是使用libcurl。假设您已经设置了开发环境，请按照以下步骤操作：

1. 访问libcurl的 download page 并下载其最新版本。
2. 查看 install page 并了解如何安装库。对于Linux，安装非常简单，只需在终端中键入./configure && make && make install即可。
3. 下载libcurl的{​​{3}}示例。此文件中公开的<curl/curl.h>头文件实际上提供了必要的功能，以便您与Web服务器进行通信。
4. 接下来，使用url2file.c。
编译gcc -o url2file url2file.c -lcurl
5. 最后，使用url2file测试./url2file http://example.com。结果将存储在明文的page.out文件中。

注意：

1. 您需要安装libcurl才能编译url2file.c文件，除非它会抛出fatal error。
2. 如果您已在计算机上安装了curl程序，则可以在终端中使用curl http://example.com > page.out命令下载网页。
3. 此外，wget可让您下载和存储网页：wget http://example.com。
4. 此答案将网页存储为pliantext。它不会执行任何特定的html标记处理。