c++ - Boost正则表达式、正则表达式、url和img

Question

我需要在网页的 HTML 源代码中找到所有链接和图像。其实我有以下表达:

boost::regex findurl("(?s)<\\s*a\\s+.*?href\\s*=\\s*['\"]([^http]{1}[^\\s>]*)['\"]", boost::regex::normal | boost::regbase::icase);

查找图像(标签)应该是什么样子？

Answer 1

与调试这个不适用于病态 HTML 的正则表达式相比，学习 Perl 和使用 HTML::Parser 花费的时间更少。我已经可以在链接中发现三个错误，即使您只询问图像。

这包括示例代码，即使您不了解 Perl，您也可能会弄清楚如何修改这些代码。 http://perlmeme.org/tutorials/html_parser.html