HMM7E的专栏

原创 HTML解析-第二版（C/C++）

背景： 基于某些不着边际想法，只为取得HTML页面上的所有“URL”和“文本”，其它的内容都不在关心之列。 问题： 对于“文本”搜索，如果搜索了除英文以外的语言还好说些，如果要搜索的内容是英文本， 那么就难以区分是“标记”还是“本文”了。对于“URL”的搜索，因为“标记”就是英文， 这样就绕回到“对于‘文本’搜索”。另外字母的大小写，被转义的字符，引号，尖括号，都得处理。 例如： csdn 想要