c++ - linux下从HTML中提取关键字到C++

Question

我正在从事一个简单的客户端-服务器项目。客户端用 Java 编写，它向 Linux 下编写的 C++ 服务器发送关键字，并接收具有最佳排名的 URL 列表(取决于关键字出现的次数)。服务器的工作是通过一些 URL 来搜索关键词并返回最合适的 URL。现在的问题是，我必须解析 HTML 站点以查找出现的关键字，此外我还需要从访问过的页面中提取链接 以在它们上进行搜索。我的问题是我可以使用哪个库来做到这一点？请记住只有 C++ linux 库适合我。有一些类似的主题，所以我尝试浏览其中的大部分，但是有些库只解析 html 文件，我不想下载我访问的每个站点，而是动态解析它并只存储它的排名和 url .其中一些对我来说看起来有点复杂——例如首先将 HTML 解析为 XML 或其他东西，然后最后使用 C++ 处理结果。有什么简单而足以做我需要做的事情吗？任何建议将不胜感激。

Answer 1

我认为正则表达式不适合 HTML 解析。我正在使用 libxml2，我非常喜欢它 - 易于使用、便携且速度快如闪电。