taduanlangan的博客

筛选出所有 .html 文件，为后续解析提供数据源；从 .html 文件中提取 title、content ，并构造对应官网的 url 地址；将清洗后的数据按自定义格式存储为文本文件，便于后续建立索引。本文主要讲解编写 Parser 模块过程中涉及的部分知识。boost::filesystem 是 Boost 库中的一个组件，用于跨平台处理文件系统路径、文件操作和目录管理。它提供了面向对象的接口，简化了文件和目录的创建、删除、遍历等操作。