C 从HTML文件中提取纯文本

你好，我希望你能帮助我。我必须编写这段代码（用C）下载网站的页面源代码并将其保存到html文件中（我已经这样做了）。下一部分是使用保存的html文件从该站点提取文本

我脑海中有这样一个算法步骤：

假设我们有一个html文件，其中包含：

你好再见！<结束>

查找“”字符串，跳过“”字符串。（这可以通过strstr（）实现）

将指针设置为“”的第一个“>”。（使用strchr（）

检查字符串中的下一个字符是否为“”。重复检查（3）。

---

b、 ）如果否，则获取字符串直到下一个“第一个错误，从代码中可以看出，您执行的是

sizeof（char*）

而不是

char

char *newString = (char*)malloc((sizeof(char*))*(filesize));

应该是

char *newString = (char*)malloc((sizeof(char))*(filesize));

您不希望字符串中有指针，但是

char

s

你

malloc

以上，并且从不调用

free（newString）

，这意味着你至少有一次泄漏，可能更多

这里也一样：

fread(newString, sizeof(char*), filesize, dummy);

应该是：

fread(newString, sizeof(char), filesize, dummy);


finalString = "\n"; //reassigns the pointer to another string, doesn't write into allocated memory.  

---

使用<代码> StrcPy < /Cord>将字符串复制到分配内存中。

< p>您的代码中有一些错误，这比在托尼的狮子回答中更为严重。请考虑：

    char *tempString = (char*)malloc((sizeof(char*))*(filesize));
    char *finalString = (char*)malloc((sizeof(char*))*(filesize));
    finalString = "\0";
    tempString = strtok(newString, "<");

char*tempString=（char*）malloc（（sizeof（char*））*（filesize））；
char*finalString=（char*）malloc（（sizeof（char*））*（filesize））；
finalString=“\0”；
tempString=strtok（newString，“如果要获取文件大小，请使用它来控制循环（读取文件并不能确保在读取的末尾有一个零字节）：

for（切换=0，i=0；i
One's not simply parse HTML你想要提取的HTML元素到底是什么？你为什么不使用一个可以解析HTML/XML的库？@MichaelFoukarakis，尽可能多地使用这些库。先生，我不想使用这些库。我仍在学习C语言，我被指示先用经典的方法来做。“经典的方法”是使用标准库（也就是说，不要第二次实现控制盘）。另一种选择是浏览标准库，提取接口，然后作为学习的一部分自己实现主体。你应该始终戴一顶标有“system developer”或“application developer”的帽子你应该考虑改变问题的名字，注意你想在没有图书馆的情况下实现它。这是一个常见的问题，但是你想要一个不寻常的答案。谢谢你，先生！我会注意到的。稍后我在Ubuntu中编码时会尝试它。我现在在Windows中。技术上，两者都不。可能导致seg错误：char*大于char，因此分配了更多内存。此外，您不能读取超过eof的内容，因此fread也是合法的。不过，代码中还有其他错误。
    char *tempString = (char*)malloc((sizeof(char*))*(filesize));
    char *finalString = (char*)malloc((sizeof(char*))*(filesize));
    finalString = "\0";
    tempString = strtok(newString, "<");

for (toggle = 0, i = 0; i < filesize; ++i) {
      if      (filearray[ i ] == '<')                toggle = 1;
      else if (filearray[ i ] == '>' && toggle != 0) toggle = 0;
      else if (!toggle) {
           printf("\nText char '%c' at %d", filearray[ i ], i);
      }
}