64,683
社区成员
发帖
与我相关
我的任务
分享HtmlParser C++版
手里有个语料库；
里面是html的源代码
现在想找个 html解释器之类的，可以提取正文；
即使不能提取正文，能去掉html的标签也可以，诸如<script> 这些东西；
网上看了下很多都是C#的；
到这里看看各位达人手里有没有现成的；
偶还不会正则表达式，没有的话就只能用C++慢慢死磕了；
谢谢一个先
里面是html的源代码
现在想找个 html解释器之类的，可以提取正文；
即使不能提取正文，能去掉html的标签也可以，诸如<script> 这些东西；
网上看了下很多都是C#的；
到这里看看各位达人手里有没有现成的；
偶还不会正则表达式，没有的话就只能用C++慢慢死磕了；
谢谢一个先
...全文
请发表友善的回复…
发表回复
Super.Jiju 2008-10-22
- 打赏
- 举报
已经搞定；
可以参考我的blog：
blog:
http://blog.csdn.net/jiju8484/archive/2008/10/21/3118839.aspx
http://super-jiju.spaces.live.com/blog/cns!806C498DDEE76B61!501.entry
可以参考我的blog：
blog:
http://blog.csdn.net/jiju8484/archive/2008/10/21/3118839.aspx
http://super-jiju.spaces.live.com/blog/cns!806C498DDEE76B61!501.entry
Super.Jiju 2008-10-20
- 打赏
- 举报
继续求答案
e_sharp 2008-10-17
- 打赏
- 举报
UP
once_and_again 2008-10-17
- 打赏
- 举报
[Quote=引用 3 楼 healer_kx 的回复:]
firefox里面的这部分估计也是C的。
[/Quote] vim --------> TOhtml
firefox里面的这部分估计也是C的。
[/Quote] vim --------> TOhtml
shuizhiyun 2008-10-17
- 打赏
- 举报
如果不急的话，我有空可以写一个
ForestDB 2008-10-17
- 打赏
- 举报
写得好的html也算xml吧，C++有xml的处理库。
DarknessTM 2008-10-17
- 打赏
- 举报
正则就够了……
帅得不敢出门 2008-10-17
- 打赏
- 举报
up
Super.Jiju 2008-10-17
- 打赏
- 举报
[Quote=引用 6 楼 iambic 的回复:]
没找到合适的？你试过什么了？有没有试过lynx或者html2text？
[/Quote]
很多是针对中文的，
我处理的是英文数据
没找到合适的？你试过什么了？有没有试过lynx或者html2text？
[/Quote]
很多是针对中文的，
我处理的是英文数据
iambic 2008-10-17
- 打赏
- 举报
另外建议学习下正则表达式。
iambic 2008-10-17
- 打赏
- 举报
没找到合适的？你试过什么了？有没有试过lynx或者html2text？
Super.Jiju 2008-10-16
- 打赏
- 举报
[Quote=引用 3 楼 healer_kx 的回复:]
firefox里面的这部分估计也是C的。
[/Quote]
求代码啊
firefox里面的这部分估计也是C的。
[/Quote]
求代码啊
Super.Jiju 2008-10-16
- 打赏
- 举报
[Quote=引用 2 楼 iambic 的回复:]
有很多专门的程序，何必自己写。搜索下html2text，或者类似的关键字。
[/Quote]
没有找到合适的
有很多专门的程序，何必自己写。搜索下html2text，或者类似的关键字。
[/Quote]
没有找到合适的
healer_kx 2008-10-16
- 打赏
- 举报
firefox里面的这部分估计也是C的。
iambic 2008-10-16
- 打赏
- 举报
有很多专门的程序，何必自己写。搜索下html2text，或者类似的关键字。
chlaws 2008-10-16
- 打赏
- 举报
没有
