按標籤分割html

我想通過標籤分隔符將HTML頁面拆分爲小塊：如<img或<div>。我嘗試下面的代碼，但它不工作：按標籤分割html

char source[MAXBUFLEN + 1]; 
FILE *fp = fopen("source.html", "r"); 
if (fp != NULL) 
{ 
    size_t newLen = fread(source, sizeof(char), MAXBUFLEN, fp); 
    if (newLen == 0) { 
     fputs("Error reading file", stderr); 
    } else { 
     source[++newLen] = '\0'; /* Just to be safe. */ 
    } 
} 
fclose(fp); 

//not working 
char* strArray[10]; 
int i = 0; 
char *token = strtok(source, "<img"); 
while(token != NULL) 
{ 
    strcpy(strArray[i++], token); 

    token = strtok(NULL, "<img"); 
} 

printf("%s\n", strArray[3]);

我在做什麼錯？除了strtok，還有其他方法可以使用嗎？

來源

2013-07-30 ShaMora

的strtok的'第二個參數（）'實際上是所有你感興趣的分隔符的列表。我會建議在拆分「<」，然後檢查標記是否以'img'開頭＃ –

除非你真的需要自己實現這個，否則我會建議你檢查libxml：http：//www.xmlsoft。org /。否則，你將不得不使用strtok解析「<」，然後測試你的標籤，然後解析「>」。 –

由於達人已經發布，strtok()不會做你想做的。您可以使用

char *ptr = strstr(source, "<img");

，而不是查找第一個標記，然後

ptr = strstr(ptr+4, "<img"); // search starts direcly behind the previous "<img" 
           // maybe you can find a better offset

下一個occurances。

此外，您的線路

strcpy(strArray[i++], token);

會崩潰，因爲你沒有分配給指針的內存。

來源

2013-07-30 09:26:07

是的，你是對的，現在它提取正確，但我想添加到數組的所有結果不起作用的部分。我只需要數組中的第四個元素。你知道還有其他的方式來保存第四次發生而不使用數組嗎？謝謝 – ShaMora

你的意思是第4個標籤？然後你可以像'for（i = 0; ptr = source; i <4 &&（ptr = strstr（ptr，「

我在這一行看到一個編譯錯誤:( – ShaMora

strtok的第二個參數是分隔符字符的列表。其中每個將用於將字符串拆分爲令牌。我不認爲它做什麼，你認爲它...

如果你想要去解析HTML文件進入令牌，你可以看看lex ...

什麼是你想要的輸出？你有沒有針對你的輸入的測試用例？

您的代碼應該產生如下：

輸入：

<html><img src="test.png"/></html>

輸出：

「」
「HT」
「L> 「
」 SRC = \ 「test.pn」
「\」/>」
「/ HT」
「L>」

我有點不認爲是你想要什麼...

來源

2013-07-30 09:21:55

char *strtokByWord_r(char *str, const char *word, char **store){ 
    char *p, *ret; 
    if(str != NULL){ 
     *store = str; 
    } 
    if(*store == NULL) return NULL; 
    p = strstr(ret=*store, word); 
    if(p){ 
     *p='\0'; 
     *store = p + strlen(word); 
    } else { 
     *store = NULL; 
    } 
    return ret; 
} 
char *strtokByWord(char *str, const char *word){ 
    static char *store = NULL; 
    return strtokByWord_r(str, word, &store); 
}

更換

char *token = strtok(source, "<img"); 
... 
token = strtok(NULL, "<img");

到

char *token = strtokByWord(source, "<img"); 
... 
token = strtokByWord(NULL, "<img");

來源

2013-07-30 10:32:47 BLUEPIXY

按標籤分割html

回答

相關問題