64,639
社区成员
发帖
与我相关
我的任务
分享请发表友善的回复…
发表回复
Awang_126 2010-08-27
- 打赏
- 举报
目前我已经采用手工解析的方法，能够处理utf8，unicode，gb2312和直接用原始unicode编码的页面了
ForestDB 2010-08-08
- 打赏
- 举报
如果如同LZ所说的，只是要汉字，不考虑标记之类的东西，直接判断字符范围就可以了。
redleaves 2010-08-07
- 打赏
- 举报
W3C有个libwww的库.据说可以解析出DOM.有了DOM就方便得多了.
如果是格式简单的信息用regexp也不错.不过性能不是很好.
手工解析也不错...
如果是格式简单的信息用regexp也不错.不过性能不是很好.
手工解析也不错...
Awang_126 2010-08-07
- 打赏
- 举报
谢谢各位的回答，还有什么思路吗？
jackyjkchen 2010-08-07
- 打赏
- 举报
[Quote=引用 2 楼 awang_126 的回复:]
我的意思是
比如有网址：http://topic.csdn.net/u/20100807/17/d48b6fcc-b04d-40f8-9e47-247d6dc165bc.html?98737
把这个网页上所有的汉字都提取出来组成一个字符串
[/Quote]
汉字有编码范围，找汉字范围即可，如果仅仅是找汉字的话，连正则都可以不用，但是不同编码汉字范围不一样，不通用
我的意思是
比如有网址：http://topic.csdn.net/u/20100807/17/d48b6fcc-b04d-40f8-9e47-247d6dc165bc.html?98737
把这个网页上所有的汉字都提取出来组成一个字符串
[/Quote]
汉字有编码范围，找汉字范围即可，如果仅仅是找汉字的话，连正则都可以不用，但是不同编码汉字范围不一样，不通用
jackyjkchen 2010-08-07
- 打赏
- 举报
正则最方便，你愿意手动匹配也可以
Awang_126 2010-08-07
- 打赏
- 举报
我的意思是
比如有网址：http://topic.csdn.net/u/20100807/17/d48b6fcc-b04d-40f8-9e47-247d6dc165bc.html?98737
把这个网页上所有的汉字都提取出来组成一个字符串
比如有网址：http://topic.csdn.net/u/20100807/17/d48b6fcc-b04d-40f8-9e47-247d6dc165bc.html?98737
把这个网页上所有的汉字都提取出来组成一个字符串
ayw215 2010-08-07
- 打赏
- 举报
lz说的文字信息是什么？
考虑下boost中的正则表达式吧
考虑下boost中的正则表达式吧
