获取当前网页的所有连接代码,C代码库,德仔网

代码语言

代码分类

【C】获取当前网页的所有连接

作者:dezai / 发布于2014/8/26/ 637

获取当前网页的所有连接


	// getURLS.cpp : 定义控制台应用程序的入口点。
	//

	#include "stdafx.h"
	#include <iostream>
	#include <fstream>
	#include <map>
	#include <string>
	using namespace std;
	int _tmain(int argc, _TCHAR* argv[])
	{
	const char* filepath=".\\test.htm"; //网页文件路径
	map<string,int> mapLink; //容器用于存放抽取出来的链接和计数
	string line; //一行数据
	string htmlcontent; //html文件内的所有内容
	ifstream readfile(filepath);
	if(!readfile) //打开文件失败
	{
	 cout<<"打开文件失败!"<<endl;
	 getchar();
	 return 0;
	}
	else
	{
	 while(getline(readfile,line)) //一行行读取html文件
	 {
	 htmlcontent+=line+"\n";
	 }
	 string::size_type st1,st2;
	 string strlink; //一条链接
	 string baseurl; //基准url，用于相对路径
	 st1=htmlcontent.find("base href=\"");
	 st2=htmlcontent.find("\"",st1+11);
	 if(st1!=string::npos&&st2!=string::npos)
	 {
	 baseurl=htmlcontent.substr(st1+11,st2-(st1+11));
	 }
	 st1=0;
	 while(true) //抽取出链接
	 {
	 st1=htmlcontent.find("href=\"",st1); //找到链接的开始标记href="
	 if(st1!=string::npos) //若存在链接
	 {
	 st2=htmlcontent.find("\"",st1+6); //找到链接的结束标记"
	 strlink=htmlcontent.substr(st1+6,st2-(st1+6)); //截取子字符串，即链接
	 if(strlink.find("http://")!=0) //不是以http://开头的链接加上baseurl
	 {
	 if(!baseurl.empty())
	 {
	 strlink=baseurl+strlink;
	 }
	 else
	 {
	 strlink.erase();
	 st1=st2+1;
	 continue;
	 }
	 }
	 mapLink[strlink]++; //将链接加入容器，并计数
	 strlink.erase();
	 st1=st2+1;
	 }
	 else
	 {
	 break;
	 }
	 }
	 for(map<string,int>::iterator it=mapLink.begin();it!=mapLink.end();it++)
	 {
	 cout<<it->first<<"---计数:"<<it->second<<endl;
	 }
	}

	getchar();
	return 0;
	}

试试其它关键字

　网页　　连接　

同语言下

可能有用的

dezai贡献的其它代码(1065)