Auswertung von Forenbeitragen
-
Zur Auswertung von Forenbeiträgen ist eine im TXT-Format vorliegende Liste zu erstellen, die von jedem Beitrag eines Nutzers das Veröffentlichungsdatum enthält. Da dieses im Quelltext enthalten und sichtbar ist, muss ich nun in diesem HTML-Quelltext jene Daten suchen und in einer TXT-Datei speichern.
Daher muss ich:
- Den Quelltext mit einem C++-Programm abrufen
- Das Veröffentlichungsdatum suchen
Nun ist unbekannt, ob der Quelltext als Variable behandelt werden kann, oder anderweitig zwischengespeichert werden muss, und wie er sich abrufen lässt.
-
putthatthere schrieb:
Nun ist unbekannt, ob der Quelltext als Variable behandelt werden kann
Steht er zur Zeit, zu der das Programm geschreiben wird schon fest? Nein? Dann ist er wohl variabel
., oder anderweitig zwischengespeichert werden muss
Kennst du noch andere Möglichkeiten? Fest eingebaut oder variabel sind komplementäre Begriffe.
, und wie er sich abrufen lässt.
Das kommt drauf an, wo er her kommt. Es könnte hilfreich sein, wenn man sich mal mit Ein- und Ausgabe in C++ befasst hat. Schönerweise verhalten sich alle Quellen in C++ gleich, man muss eben bloß eine passende wählen.
P.S.: War diese Antwort nicht hilfreich? Falls ja, dann lies dir vielleicht mal dies hier gründlich durch.
-
Mir war bewusst, dass er variabel ist, aber ich wusste nicht, ob beispielsweise jede Kode-Zeile nacheinander in ein Array eingelesen werden soll, in einen einzelnen String, in eine Text-Datei usw.
Mit "abrufen lassen" meinte ich - konkret - wie ich den HTML-Quellkode einer gegebenen Seite im Internet innerhalb eines C++-Programmes abrufen kann. Gibt es dafür eine Libary, oder ist es wohlmöglich gar nicht umsetzbar?
-
putthatthere schrieb:
Mir war bewusst, dass er variabel ist, aber ich wusste nicht, ob beispielsweise jede Kode-Zeile nacheinander in ein Array eingelesen werden soll, in einen einzelnen String, in eine Text-Datei usw.
Zuallererst werden die Daten natürlich als Ganzes vorliegen, wie du sie dann aufteilst ist deine Sache. Zeilenweise wäre beispielsweise eine eher schlechte Idee, weil Zeilenumbrüche in HTML keine spezielle Bedeutung haben. Letztlich ist die Antwort ein HTML-Parser, wenn es gut werden soll. Eine Pfuschlösung kann auch funktionieren, wenn du mehr über die Daten weißt und daher vielleicht an einer kompletten Verarbeitung sparen kannst.
Mit "abrufen lassen" meinte ich - konkret - wie ich den HTML-Quellkode einer gegebenen Seite im Internet innerhalb eines C++-Programmes abrufen kann. Gibt es dafür eine Libary, oder ist es wohlmöglich gar nicht umsetzbar?
Doch, da gibt es Bibliotheken und das ist sogar recht einfach. Die wohl häufigst benutzte Bibliothek dafür ist wohl cURL. Ist zwar eine Bibliothek für C, aber es gibt auch C++-Wrapper.
Nur damit das klar ist: Du hast hier zwei Probleme, die in deinem Kopf anscheinend nur eines sind: Abruf einer Webseite und Verarbeitung von HTML. Das "Internet" besteht nicht aus HTML. Mit cURL kannst du Daten aus dem Internet holen. Das können auch in HTML geschriebene Webseiten sein. Diese zu verarbeiten ist dann ein komplett eigenständiges Problem.
-
Je nachdem kann man da vielleicht auch was mit Regex zusammenbauen.
-
Kellerautomat schrieb:
Je nachdem kann man da vielleicht auch was mit Regex zusammenbauen.
-
Jaja, man kann keinen kompletten HTML Parser mit Regex bauen. Braucht man hier auch nicht, es geht um das extrahieren von Daten. Das meiste ist eh nur Muell.
-
Also das Veröffentlichungsdatum lässt sich per Regex natürlich problemlos matchen.
Dass man natürlich kein HTML mit Regex parsen kann, ist klar, aber das braucht man hier ja auch nicht.Allerdings braucht man hier noch mehr Informationen.
In diesem Forum z.B. steht sowohl das Veröffentlichungsdatum eines Posts als auch das Registrierungsdatum des Autors. Je nachdem muss man das ganze unterschiedlich handhaben.
-
DrakoXP schrieb:
Also das Veröffentlichungsdatum lässt sich per Regex natürlich problemlos matchen.
Dass man natürlich kein HTML mit Regex parsen kann, ist klar, aber das braucht man hier ja auch nicht.Sicher? Gegenbeispiel ist dieser Beitrag hier selbst.
Allerdings braucht man hier noch mehr Informationen.
In diesem Forum z.B. steht sowohl das Veröffentlichungsdatum eines Posts als auch das Registrierungsdatum des Autors. Je nachdem muss man das ganze unterschiedlich handhaben.Der Beitrag hat ja auch noch Inhalt:
10:13:27 28.07.2014
Und nun?
