をカウントし、htmlファイルからすべてのhrefリンクを解析します。

Question

私のprevious questionに続いて、hrefファイルをhtmlファイルから解析して、その文字列を私の以前の質問の解決に送ろうとしています。

これは私が持っているものですが、それは動作しません...

void ParseUrls(char* Buffer) 
{ 
    char *begin = Buffer; 
    char *end = NULL; 
    int total = 0; 

    while(strstr(begin, "href=\"") != NULL) 
    { 
     end = strstr(begin, "</a>"); 
     if(end != NULL) 
     { 
      char *url = (char*) malloc (1000 * sizeof(char)); 

      strncpy(url, begin, 100); 
      printf("URL = %s\n", url); 

      if(url) free(url); 
     } 

     total++; 
     begin++; 
    } 

    printf("Total URLs = %d\n", total); 
    return; 
} 

は基本的に私は、文字列にHREFの情報を抽出するような何か必要があります。

<a href="http://www.w3schools.com">Visit W3Schools</a>

を

助けていただければ幸いです。

Answer 1

これは実際にこのコードについてのあなたの疑問に答えるものではありませんが、HTMLParser from libxml2のようにこれを行うにはCライブラリを使用する方が信頼性が高いでしょう。

HTML解析は簡単ですが、動作することがわかっているものを使いやすくするエッジケースがあります。

Answer 2

このコードには多くの問題があります。

• ループの周りに1ずつ増分が始まります。これは同じhrefが何度も繰り返し見つけられることを意味します。 beginをendの後に移動するつもりだったと思いますか？

• 通常、strncpyは100文字（HTMLが長くなるため）をコピーし、文字列をヌル終了しません。あなたは欲しいurl[100] = '\ 0'どこかで

• なぜ1000文字を割り当てて100だけ使うのですか？

• endはbeginで始まります。これは、href = ""の前にそれがある場合は、代わりにそれを見つけることを意味します。

• endは何も使用しません。

• URLの最後に引用符を検索しないのはなぜですか？

上記の問題（URLの終了を追加）が与えられていると、問題なく動作します。それはスペースの割り当てについては

URL = <a href="/email_services.php">Email services</a> 
URL = a href="/email_services.php">Email services</a> 
URL = href="/email_services.php">Email services</a> 
URL = href="/email_services.php">Email services</a> 
Total URLs = 4 

を印刷し

"<a href=\"/email_services.php\">Email services</a> " 

を考えると

は、私は（このstartを呼び出し、「あなたは "HREF = \" のはstrstrの結果を維持すべきだと思いますあなたが必要とするサイズはend - startです（終了NULの場合+1）。多くのスペースを割り当て、strncpyでNULとロバートの親のオスの兄弟を追加してください。

また、href =はアンカーと一意ではないことを覚えておいてください。他のタグにも表示されます。