使用C解析html

Question

我需要从HTML(XHTML有效)页面中获取一些内容.我使用curl抓取页面并将其存储在内存中.

我玩过使用正则表达式和PCRE库的想法,但我只是找不到任何使用它的例子.然后我继续看看HTML解析器,再次没有一个好的选择.我所能找到的只是一个名为HTMLparser的libxml文档模块.

还有其他选择吗？如果没有,那么我已经找到的例子呢？

Answer 1

您想使用HTML整理来执行此操作.Lib curl页面有一些源代码可以帮助你.穿过dom树的文件.您不需要xml解析器.在格式错误的HTML上不会失败.

Answer 2

我会使用libhtmltidy +任何xml解析器,如expat或libxml.取决于你在寻找什么.

仅供读者参考... HTML 解析器是用于自动超文本标记语言 (HTML) 解析的软件。它们有两个主要目的： HTML 遍历：为程序员提供一个接口，方便地访问和修改“HTML 字符串代码”。典型示例：DOM 解析器。HTML clean：修复无效的 HTML 并改进生成的标记的布局和缩进样式。典型示例：HTML Tidy。 (2认同)