删除C中的HTML标记

在我的程序中，我下载了一个带有wget的网页，我只想在上面提取一个文本字符串

如果从文件中清除html标记是正确的，那么我应该怎么做，因为网页上只有文本

我从未在C中使用过正则表达式，我不知道这是否是解决这个问题的正确方法。 你能给我建议其他的选择，或者图书馆，我可以使用吗？ 或者如果我应该使用正则表达式，你能帮我在C中做这样的替换标记吗

sed -e 's/<[^>]\+>/ /g' file.html

---

谢谢

只要你有XHTML，它就保证是有效的XML，因此你可以使用解析它。

其他答案指向最相关的一点，即你不能用正则表达式解析HTML

这表明你的sed脚本也不能工作

<a href="http://localhost/" title="Click &lt; link >">A link</a>

---

以上是有效的XML，更不用说快速和松散的HTML了，因为结束>在XML中是有效的，不可替换的。。。您只需转义即可

还有其他HTML解析库需要注意吗？我想把它们添加到@AndyLester，等等，等等…嘿，我忘了Libty了。我在它周围写了一个Perl包装器：：-谢谢你的指点。基于这个问题，我提出了一个问题：