C++ 提取网页内容系列之三

标 题: C++ 提取网页内容系列
作 者: itdef
链 接: http://www.cnblogs.com/itdef/p/4171659.html 

欢迎转帖 请保持文本完整并注明出处

 

这次继续下载网页后 对其中内容的分析

使用tr1(c++预备标准库)中的正则式

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
void ContentSearchMainRecommend(const string& content)
{
    string text = content;
    string regString( "首页大推','([^']*)'" );
    string regSubString("<strong class=\"strong color_orange\">([^<]*)</strong>");
    regex regExpress(regString);
    regex regSubExpress(regSubString);
 
 
    //string::size_type pos = content.find(strSearch);
    smatch ms;
 
    // 判断是否全行匹配
    while(regex_search(text, ms, regExpress))
    {
        string strResult;
        if(ms.size() == 2)
        {
            strResult = ms.str(1).c_str();
        }
        cout << "首页大推:\t" << strResult  << "\t\t";
        text = ms.suffix().str();
        if(regex_search(text, ms, regSubExpress))
        {
            if(ms.size() == 2)
            {
                cout << ms.str(1).c_str() << endl;
            }
        }else
        {
            cout << "search substring error" << endl;
            break;
        }
    }
    return ;
}

正则式的内容 如果不熟悉的话可以参考网络上流传的<30分钟正则式入门>

但是对于450K的网页 使用正则式匹配似乎比直接搜索要慢上不少

// 待续

 

posted on   itdef  阅读(850)  评论(0编辑  收藏  举报

编辑推荐:
· go语言实现终端里的倒计时
· 如何编写易于单元测试的代码
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
阅读排行:
· 分享一个免费、快速、无限量使用的满血 DeepSeek R1 模型,支持深度思考和联网搜索!
· 基于 Docker 搭建 FRP 内网穿透开源项目(很简单哒)
· ollama系列1:轻松3步本地部署deepseek,普通电脑可用
· 按钮权限的设计及实现
· 25岁的心里话

导航

< 2025年3月 >
23 24 25 26 27 28 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 31 1 2 3 4 5

统计

点击右上角即可分享
微信分享提示