如何使用c去掉HTML標籤和圖像從網頁到文件

Question

我將如何去使用c編寫一個程序來剝離通過Linux終端輸入的網頁，並刪除所有的HTML標籤和圖像，並把剩餘內容放入文件中。

我只是困惑於如何從終端獲取網頁。

感謝您的幫助。

Answer 1

• 您可以通過各種程序使用這些程序使用寫你的C程序剝去標籤獲得終端的網頁，如curl，wget，aria2c等下載網頁。

• 如果要使用C下載網頁，可以使用libcurl。要獲取示例代碼如何使用libcurl下載http://stackoverflow.com，請使用以下命令。

  curl --libcurl downloadstackoverflow.c http://stackoverflow.com 
  

  這將生成一個包含示例代碼的文件downloadstackoverflow.c。

• 這是一個簡單的程序，從html中剝離標籤。它不支持引號"中的標籤。但你應該明白這個主意。

  int main() { 
      int in_tag = 0; 
      char c; 
  
      while ((c = getchar()) != EOF) { 
       if (c == '<' || c == '>') { 
        in_tag = (c == '<') ? 1 : 0; 
       } else { 
        if (!in_tag) { 
         putchar(c); 
        } 
       } 
      } } 
  

Answer 2

您可以使用wget從終端下載de頁面。使用類似「wget http://www.google.com -O filename.html」。它會將頁面下載到文件「filename.html」。