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
作 者: itdef
欢迎转帖 请保持文本完整并注明出处
技术博客 http://www.cnblogs.com/itdef/
B站算法视频题解
https://space.bilibili.com/18508846
qq 151435887
gitee https://gitee.com/def/
欢迎c c++ 算法爱好者 windows驱动爱好者 服务器程序员沟通交流
如果觉得不错,欢迎点赞,你的鼓励就是我的动力
欢迎转帖 请保持文本完整并注明出处
技术博客 http://www.cnblogs.com/itdef/
B站算法视频题解
https://space.bilibili.com/18508846
qq 151435887
gitee https://gitee.com/def/
欢迎c c++ 算法爱好者 windows驱动爱好者 服务器程序员沟通交流
如果觉得不错,欢迎点赞,你的鼓励就是我的动力


【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 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
· 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