boost应用－替换网页中的超链接

关注

原创最新推荐文章于 2026-07-12 14:48:28 发布 1.1k 阅读 AI 写同款· GEO 优化 ›

TF-IDF与TextRank实现高保真抽取式摘要抽取式摘要是一种从原文中直接选取关键句子生成摘要的技术，其核心在于信息密度评估与语义结构建模。TF-IDF通过词频与逆文档频率的数学组合，量化词语在文档中的判别力；TextRank则构建句子图网络，利用语义相似度进行重要性投票。二者结合兼顾可解释性、可追溯性与低计算开销，特别适用于金融研报、政务公文、法律合同等需高保真、强审计的场景。相比大模型生成式摘要，该方案规避了幻觉风险，支持离线部署与逐句溯源，是轻量级NLP落地的可靠选择。阅读详情

近期做的一个项目，需要对用户输入的HTML文本中的所有超链接替换成我们公司网站的链接，要用到正则表达式。我是做C＋＋开发的，理所当然就选择了boost这个开源库。下面是我写的一个测试程序：

它的功能是将HTML文本中的所有超链接（如http://www.sina.com.cn，不包含后面的部分），替换成我们的网址如http://www.abc.com

#include <iostream.h>
#include "boost/regex.hpp"
int main(int argc, char* argv[])
{
const boost::regex e("(href//s*=[/"|']?)((http(s)?://)?([//w-]+//.)+[//w-]+(/)?)");
const std::string strformat("///1//http://www.abc.com");

std::string strInput("href=/"http://www.sina.com.cn/1.jsp/" href =/'http://www.xyz.com/1/2.htm/'");
std::string strOutput = boost::regex_replace(strInput, e, strformat, boost::match_default | boost::regex::perl);

cout<<strOutput.c_str()<<endl;

return 0;
}

简单解释一下里面的strFormat格式，我们对正则表达式分成两个部分，前一部分是href//s*=[/"|']?，后一部分是(http(s)?://)?([//w-]+//.)+[//w-]+(/)?，格式中的/1代表的就是前一部分的内容，即前一部分的内容不改变，/http://www.abc.com/将后一部分的内容替换成http://www.abc.com/.

程序运行结果如下：

href="http://www.abc.com/1.jsp" href ='http://www.abc.com/1/2.htm'

收录于