如何用C语言实现解析HTML文档

参考下面代码：

#include <stdio.h>

#include <streamhtmlparser/htmlparser.h>

int main(void)

{

unsigned int getchar_ret

htmlparser_ctx *parser = htmlparser_new()

while ((getchar_ret = getchar()) != EOF) {

char c = (char)getchar_ret

/* If we received a '$' character, we output the current tag and attribute

* * name to stdout. */

if (c == '$') {

printf("[[ ")

if (htmlparser_tag(parser))printf("tag=%s ", htmlparser_tag(parser))

if (htmlparser_attr(parser)) printf("attr=%s ", htmlparser_attr(parser))

printf("]]")

/* If we read any other character, we pass it to the parser and echo it to

* * stdout. */

} else {

htmlparser_parse_chr(parser, c)

putchar(c)

}

}

}

如果非要用c 写的话， 建议用neon库，可以极大减少工作量，如果是在socket层面编成的话，会非常累。

html文本解析就用libxml2库中的html parser即可。

如果没有语言要求，建议用python非常简单。我前段时间花了两天，写了个抓爬flickr信息的东西，然后写进数据库。

1."COM组建"为"COM组件"。

2.建议还是不要手动解析HTML，那个似乎太费劲了。

3.在实际运用中，我也用过一些其它的XML解析工具，比如libxml，但感觉在WINDOWS还是MSXML最方便。

---