Question

在my last question中，我询问了如何解析HTML页面中的链接。由于我还没有找到解决方案，我认为我在此期间尝试了其他方法：搜索每个<a href=并复制其中的任何内容，直到我点击</a>。

现在，我的C有点生疏，但我确实记得我可以使用strstr()来获取该字符串的第一个实例，但我如何得到其余的呢？

感谢任何帮助。

PS：不。这不是学校的家庭作业或类似的东西。你知道吗。

Answer 1

您可以使用循环：

char   *ptr = haystack;
size_t nlen = strlen (needle);

while (ptr != NULL) {
  ptr = strstr (ptr, needle);
  if (ptr != NULL) {
    // do whatever with ptr
    ptr += nlen;  // hat tip to @larsman
  }
}

Answer 2

为什么不使用内置了非常好的HTML解析器的libxml？

Answer 3

好的，原来的答案和我的评论似乎需要比评论部分更多的信息，所以我决定创建一个新答案。

首先，你正在尝试做什么 IS 已经是一个编程任务，将需要一些编程能力，具体取决于你的确切需求。

其次，提供了一些答案，建议您使用char查找和regexp循环。如上所述，这些都是可怕的容易出错的方法，例如here。

现在解析HTML / XML的常用方法是使用为此设计的外部库。实际上，这些库现在已经成为标准的，并且在许多编程语言中它们已经内置。

根据您的特殊需求，我在C和XPath上都生锈了，但它应该大致如下：

启动XML / HTML解析器。
将HTML文档作为字符串
告诉解析器找到所有标记实例（使用XPath）
它会返回给你一组“节点”
处理循环中的节点集，根据需要处理每个标记

我找到了其他一些例子，也许这个更好：http://xmlsoft.org/example.html

正如你在那里看到的那样，有一个XML文档（没关系，因为HTML只是XML的子集，你的HTML文档也应该有用）。

在Python或类似的语言中，这将非常容易，在某些伪代码中，这看起来像这样：

p=new HTMLParser
p->load(my html document)
resultset=p->XPath_Search("//a") # this will find all A elements in the HTML document
for each result of resultset:
   write(result.href)
end for

这通常会写出文档中所有A元素的HREF部分。关于你可以使用XPath的一个体面的教程是例如here。

我担心在C中这会有点复杂，但这个想法是一样的，它是一个编程任务。

如果这是一些快速而肮脏的工作，您可以使用建议的strstr（）或regexp搜索，而不使用外部库。但是，请记住，根据您的确切任务，您很可能会错过许多外发链接或误读其内容。

Answer 4

C字符串只是指向第一个字符的指针;获得下一场比赛只需再次调用它并将指针传递给上一场比赛的结束。

Answer 5

以下是我要做的事情（未经测试，只是我的想法）：

char* hRef_start  = "<a href=";
char* hRef_end    = "</a>";

假设您的文字在

中

char text[1000];
char * first = strstr(text , hRef_start);
if(first)
{
    char * last = strstr(first , hRef_end);
    if(last)
         last--;
    else
         //Error here.

    char * link = malloc((last - first + 2) * sizeof(char));
    copy_link(link , first , last);
}

void copy_link(char * link , const char * first , const char * last)
{

     while(first < last)
     {
           *link = *first;
           ++first;
     }
     *link = 0;
}

您应该检查malloc()是否已成功，并确保free()，同时确保copy_link()没有任何参数null。

查找字符串中子字符串的所有实例

5 个答案: