【boost_search搜索引擎】3.为什么去标签和解析文件的代码框架

「已注销」

于 2024-03-22 15:31:05 发布

阅读量346

点赞数 7

CC 4.0 BY-SA版权

分类专栏： boost_search项目文章标签： linux c++ 搜索引擎

本文链接：https://blog.youkuaiyun.com/weixin_74127402/article/details/136939348

一.什么是标签？

我们之前获取的源数据都是html数据，在一个html中我们看到

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">              
  2 <html>
  3 <head>
  4 <meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
  5 <title>Chapter 15. Boost.Heap</title>
  6 <link rel="stylesheet" href="../../doc/src/boostbook.css" type="text/css">
  7 <meta name="generator" content="DocBook XSL Stylesheets V1.79.1">
  8 <link rel="home" href="index.html" title="The Boost C++ Libraries BoostBook Documentation Subset">
  9 <link rel="up" href="libraries.html" title="Part I. The Boost C++ Libraries (BoostBook Subset)">
 10 <link rel="prev" href="function/testsuite.html" title="Testsuite">
 11 <link rel="next" href="heap/concepts.html" title="Concepts &amp; Interface">
 12 <meta name="viewport" content="width=device-width, initial-scale=1">
 1