links aus HTML-quelltext extrahieren

Moin moin,

ich versuche alle links aus einem html-quelltext zu extrahieren. Meine funktion sieht so aus:

vector <string> found;

void find(string quelltext)
{
    string link, src; 
    int pos, pos2;

   while(quelltext.find("href=\"") != -1)
    {
    pos = quelltext.find("href=\"");
    quelltext = quelltext.substr(pos+6, quelltext.length());

    pos2 = quelltext.find("\"");
    link = quelltext.substr(0,pos2);

    if(std::find(found.begin(), found.end(),link) == found.end() )
    {
       cout<<link<<endl<<endl;
       found.push_back(link);

      src = GetSource(link);
      if(src != "")

    }  

   quelltext = quelltext.substr(pos, quelltext.length()); 
  }
}

Leider werden nicht alle links angezeigt. Kann mir jemand sagen, wo der fehler liegt oder mir einen andere funktion geben ?

Danke,
Wiesel

vector <string> found;

void find(string quelltext)
{
    string link, src; 
    int pos, pos2;

   while( (pos = quelltext.find("href=\"")) != -1) 
    {
    quelltext = quelltext.substr(pos+6, quelltext.length());

    pos2 = quelltext.find("\"");
    link = quelltext.substr(0,pos2);

    if(std::find(found.begin(), found.end(),link) == found.end() )
    {
       cout<<link<<endl<<endl;
       found.push_back(link);

      src = GetSource(link);
      if(src != "")

    }  

   quelltext = quelltext.substr(pos, quelltext.length()); 
  }
}

Versuchs jetzt mal, mehr kann ich auch nicht sagen. Ich weiß nicht wie deine Klasse definiert ist...

branleb

Machs doch mit regulären Ausdrücken (Boost::Regex)

Vereinfach die Abdeckung von spaces, weil dein code würde

<a href = "http://web.de/">link</a>

nicht erkennen - die spaces um das "=" verhindern das ...

mfg Branleb

#include <iostream>
#include <string>
#include <vector>

typedef std::vector<std::string> StrVector;

StrVector find(const std::string& source);

int main()
{
	const std::string source = "<a href\n=\n\"www.test.de\">Bla</a><a href\n=\n\"www.test2.de\">Bla</a><a href\n=\n\"www.12312.de\"  >Bla</a>";

	StrVector links = find(source);

	std::cout << "Found " << links.size() << " link(s)\n\n";

	for (StrVector::iterator it = links.begin(); it != links.end(); ++it)
	{
		std::cout << *it << std::endl;
	}
}

StrVector find(const std::string& source)
{
	StrVector vec;

	size_t pos = 0;

	while ((pos = source.find("href", pos + 1)) != std::string::npos)
	{
		for (unsigned int i = pos; i < source.length(); ++i)
		{
			if (source[i] == '"')
			{
				std::string buf;

				++i;

				while (source[i] != '"' && i < source.length())
				{
					buf += source[i++];
				}

				vec.push_back(buf);

				break;
			}
		}
	}

	return vec;
}

drakon

Regular Expressions helfen bei solchen Sachen auch immer recht gut, wenn man etwas komplexere Suchpatterns hat.