c - 使用 C 从 HTML 文档中提取信息

Question

在我学习 C(纯 C，不是 C#，也不是 C++。我有我的理由。)的过程中，我发现需要从 HTML 文档中提取一些信息，从 URL 中获取。即，我希望位于页面上某个无序列表中的链接的所有 href 属性都位于一个字符串数组中。这些 URL 指向我要下载并存储在 zip 文件中的图像。

现在，我问了一些我认识的擅长 C 的人，他们要么以“C 是错误的工具”来告诉我，要么向我指出 libXML，它显然以其稀缺的文档而闻名。我也看过 libsoup 和 libtidy，但我似乎无法将它们拼接在一起。

我应该选择什么方法/库？有谁知道我可以查看的一些示例代码？

编辑:看到一半的评论告诉我使用 C 以外的东西，我要补充一点，我不是在寻找“适合这项工作的工具”。如果我只是想尽快完成它，我可能会使用 Ruby，因为我对它很满意。这是我学习 C 的一部分，因此，我正在寻找纯 C 解决方案。

Answer 1

既然你正在寻求学习 C，那么我会使用标准库和。

http://www.cplusplus.com/reference/clibrary/cstdio/http://www.cplusplus.com/reference/clibrary/cstring/

最简单的方法是使用其他方式获取页面，将其写入本地文件，然后将文件名传递到您的程序中。将输出打印到 STDOUT。