1
私は、WebページからHTMLを取り除き、テキストを保持する単純なCプログラムを作成しようとしています。これまでのところ私は以下のコードを思いついた。 cURLを使用してWebページの内容を取得し、ファイルに書き出します。どのように私は、メモリバッファーを通過し、すべてのHTMLタグを削除し、テキストまたは端末またはファイルに出力?バッファから読み込みC
#include <curl/curl.h>
#include <stdio.h>
#include <stdlib.h>
#define WEBPAGE_URL "http://homepages.paradise.net.nz/adrianfu/index.html"
#define DESTINATION_FILE "/home/acwest/data.txt"
size_t write_data(void *ptr, size_t size, size_t nmeb, void *stream)
{
return fwrite(ptr,size,nmeb,stream);
}
int main()
{
int in_tag = 0;
char * buffer;
char c;
long lSize;
size_t result;
FILE * file = fopen(DESTINATION_FILE,"w+");
if (file==NULL) {
fputs ("File error",stderr);
exit (1);
}
CURL *handle = curl_easy_init();
curl_easy_setopt(handle,CURLOPT_URL,WEBPAGE_URL); /*Using the http protocol*/
curl_easy_setopt(handle,CURLOPT_WRITEFUNCTION, write_data);
curl_easy_setopt(handle,CURLOPT_WRITEDATA, file);
curl_easy_perform(handle);
curl_easy_cleanup(handle);
// obtain file size:
fseek (file, 0, SEEK_END);
lSize = ftell (file);
rewind (file);
// allocate memory to contain the whole file:
buffer = (char*) malloc (sizeof(char)*lSize);
if (buffer == NULL) {
fputs ("Memory error",stderr);
exit (2);
}
// copy the file into the buffer:
result = fread (buffer,1,lSize,file);
if (result != lSize) {
fputs ("Reading error",stderr);
exit (3);
}
}
http://expat.sourceforge.net/ – Cyclonecode
のような既存の解析ライブラリを使用することができます。達成しようとしていることは、カールの組み合わせを使用して、bashスクリプトの1ライナーに近いでしょうとsed。 – qdii
@ user667430:あなたのコードはコンパイルされていません... – qdii