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