<![CDATA[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

]]>https://www.c-plusplus.net/forum/topic/261529/links-aus-html-quelltext-extrahierenRSS for NodeMon, 07 Sep 2026 05:33:19 GMTFri, 19 Feb 2010 17:21:27 GMT60<![CDATA[Reply to links aus HTML-quelltext extrahieren on Fri, 19 Feb 2010 17:21:27 GMT]]>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

]]>https://www.c-plusplus.net/forum/post/1858314https://www.c-plusplus.net/forum/post/1858314Fri, 19 Feb 2010 17:21:27 GMT<![CDATA[Reply to links aus HTML-quelltext extrahieren on Fri, 19 Feb 2010 17:42:23 GMT]]>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...

]]>https://www.c-plusplus.net/forum/post/1858327https://www.c-plusplus.net/forum/post/1858327Fri, 19 Feb 2010 17:42:23 GMT<![CDATA[Reply to links aus HTML-quelltext extrahieren on Fri, 19 Feb 2010 19:08:35 GMT]]>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

]]>https://www.c-plusplus.net/forum/post/1858376https://www.c-plusplus.net/forum/post/1858376Fri, 19 Feb 2010 19:08:35 GMT<![CDATA[Reply to links aus HTML-quelltext extrahieren on Fri, 19 Feb 2010 21:27:07 GMT]]>#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; } ]]>https://www.c-plusplus.net/forum/post/1858429https://www.c-plusplus.net/forum/post/1858429Fri, 19 Feb 2010 21:27:07 GMT<![CDATA[Reply to links aus HTML-quelltext extrahieren on Sat, 20 Feb 2010 11:16:34 GMT]]>Regular Expressions helfen bei solchen Sachen auch immer recht gut, wenn man etwas komplexere Suchpatterns hat.

]]>https://www.c-plusplus.net/forum/post/1858536https://www.c-plusplus.net/forum/post/1858536Sat, 20 Feb 2010 11:16:34 GMT