乙個C 解析HTML的庫

http協議使用廣泛，相應的，c++在這塊需求也開始增加。乙個好的解析庫可以達到事半功倍的效果，在此貼出我的解析庫的**，方便新手朋友們使用。

重點說說這個庫的使用方法，我就說說 hhtmlparse::getlocalip 則函式的實現，方法大多類似。

1、字串定義

std::string page, match;
page.resize (512);
match.resize (16);

其中 page 用作儲存 html **， match 用作儲存匹配的字串，也就是網頁中需要獲取的資料。由於訪問的資料不大，所以 page 設定 512 位元組足夠。這兒也可以不用設定大小的， urlgethtml 實現的比較智慧型，可以自動擴充套件大小。設定乙個大小只是可以減少記憶體 i/o ，提高執行速度。另外這兒也給 match 設定乙個大小。對於ip位址來說，16位元組足夠了。

2、獲取網頁html**

if (!hhtmlparse::urlgethtml (l"", page)) return false;
3、建立解析物件
hhtmlparse hp (page);

這句**用於建立乙個解析物件，傳入的資料為網頁html字串。

這裡我們看看ip138的網頁**：

您的ip是：[123.144.*.*] 來自：xx市 聯通
4、設定當前解析位置 
hp.setpos ("");

在這個解析庫內部維護著乙個字元指標，假如說網頁前面的都解析過了，需要解析後面的，那就在解析時給字元指標賦值，然後下次解析時從字元指標位置開始解析，既方便網頁處理，也提高解析速度，一舉兩得。這行**的意思就是將內部維護的位址放在這兒，下次呼叫時直接從這兒開始了。

5、獲取匹配字串，也就是ip位址

hp.matchstring ("%*[^0-9]%[0-9.]", match);

這兒就是獲取匹配字串的**了，第乙個引數為sscanf函式需要的那個字串，match返回匹配的結果。簡要說說這個字串的意思，需要深究的自行bing。

%*[^0-9] %*表示跳過，不匹配，表示匹配的內容，^表示非，0-9表示那十個數字。連起來的意思就是跳過所有不是0-9的字元。

%[0-9.] %表示匹配，0-9.表示匹配的內容為那十個數字和小數點，一直到非0-9或小數點為止。

**到這兒就已經獲取了匹配的ip了，接下來的內容就是簡單的處理了。

6、簡單處理並返回

ip.clear ();
ip = match.c_str ();
return true;

由於匹配是通過 const_cast(s.c_str()) 賦值（這行**可以在 hhtmlparse::matchstring 函式中找到），所以，在執行步驟6這段**前，呼叫 match.length() 實際上返回的是不固定值，雖然不固定但是有資料。所以，假如非得在 const_cast(s.c_str()) 之後獲取字串長度，只能用lstrlen。

這幾行**大家應該都懂，簡要說說第二行，意思是呼叫 std::string 的過載函式 operator=(char*) ，這樣可以重新整理 std::string 的長度，執行第二行**之後，ip中的資料可以直接呼叫 length() 來獲取長度了。

使用步驟描述完畢，同學們如果需要解析其他網頁在相應地方修改就行了。另外， setpos 和 matchstring 並不是只能呼叫一次的，只要找網頁方便，並且保證物件內部維護的指標還沒到末尾，就可以重複呼叫這些函式了。

乙個C 解析HTML的庫

分享乙個c 的json解析庫

乙個C 的 XML 解析程式

乙個html介面與另外乙個html介面之間傳遞資料

乙個C 解析HTML的庫

分享乙個c 的json解析庫

乙個C 的 XML 解析程式

乙個html介面與另外乙個html介面之間傳遞資料

相關推薦