c++ - 匹配字符串长度；查找和替换;在 C++ 中删除 HTML 标签-6ren

c++ - 匹配字符串长度；查找和替换;在 C++ 中删除 HTML 标签

转载作者：行者123 更新时间：2023-11-27 23:14:57

这是我的问题
我正在尝试删除 HTML 标签，简单地格式化它们(比如每条信息换行)，然后编写其他程序以在以后提取有用的信息。
到目前为止，我已经将数据读取到一个大字符串数组中。
这是我的想法:找到 <> 中的所有标签并将它们替换为空白。上网查了一下，看到了一些可以做查找替换的程序。
因为不同的 HTML 标签有不同的长度，所以我想知道 C++ 中是否有一种方法可以检测任何长度的标签，只要它在 <> 中。然后替换它们。
这是一个 HTML 示例代码

<div style="width: 200px;"><strong>Balance Sheets (USD $)<br></strong></div>

我希望在手术后得到:

Balance Sheets (USD $)

谁能帮忙？或者有没有人有更好的主意来处理这个任务？非常感谢任何帮助!

<DOCUMENT>
<TYPE>XML
<SEQUENCE>33
<FILENAME>R2.htm
<DESCRIPTION>IDEA: XBRL DOCUMENT
<TEXT>
<html>
  <head>
    <META http-equiv="Content-Type" content="text/html; charset=us-ascii">
    <link rel="StyleSheet" type="text/css" href="report.css"><script type="text/javascript" src="Show.js">/* Do Not Remove This Comment */</script></head>
  <body><span style="display: none;">v2.4.0.6</span><table class="report" border="0" cellspacing="2" id="ID0EQAAG">
      <tr>
        <th class="tl" colspan="1" rowspan="1">
          <div style="width: 200px;"><strong>Balance Sheets (USD $)<br></strong></div>
        </th>
        <th class="th">
          <div>Dec. 31, 2012</div>
        </th>
        <th class="th">
          <div>Dec. 31, 2011</div>
        </th>
      </tr>
      <tr class="re">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_tpoi_CurrentAssetsAbstract', window );"><strong>Current assets:</strong></a></td>
        <td class="text">&#xA0;<span></span></td>
        <td class="text">&#xA0;<span></span></td>
      </tr>
      <tr class="ro">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_CashAndCashEquivalentsAtCarryingValue', window );">Cash and cash equivalents</a></td>
        <td class="nump">$ 106,999<span></span></td>
        <td class="nump">$ 52,109<span></span></td>
      </tr>
      <tr class="re">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_AccountsReceivableNetCurrent', window );">Accounts receivable</a></td>
        <td class="nump">110,720<span></span></td>
        <td class="nump">61,218<span></span></td>
      </tr>
      <tr class="ro">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_tpoi_AccountsReceivableRelatedParty', window );">Accounts receivable - related party</a></td>
        <td class="nump">1,527<span></span></td>
        <td class="text">&#xA0;<span></span></td>
      </tr>
      <tr class="reu">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_AssetsCurrent', window );">Total current assets</a></td>
        <td class="nump">219,246<span></span></td>
        <td class="nump">113,327<span></span></td>
      </tr>
      <tr class="ro">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_PropertyPlantAndEquipmentNet', window );">Property and equipment, net</a></td>
        <td class="nump">152,724<span></span></td>
        <td class="nump">160,454<span></span></td>
      </tr>
      <tr class="re">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_CapitalizedSoftwareDevelopmentCostsForSoftwareSoldToCustomers', window );">Capitalized software development costs</a></td>
        <td class="nump">188,371<span></span></td>
        <td class="text">&#xA0;<span></span></td>
      </tr>
      <tr class="ro">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_IntangibleAssetsNetExcludingGoodwill', window );">Intangible assets, net</a></td>
        <td class="nump">59,151<span></span></td>
        <td class="nump">59,151<span></span></td>
      </tr>
      <tr class="re">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_OtherAssetsCurrent', window );">Other assets</a></td>
        <td class="nump">11,622<span></span></td>
        <td class="nump">15,470<span></span></td>
      </tr>
      <tr class="rou">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_NoncurrentAssets', window );">Total long term assets</a></td>
        <td class="nump">411,868<span></span></td>
        <td class="nump">235,075<span></span></td>
      </tr>
      <tr class="reu">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_Assets', window );">Total assets</a></td>
        <td class="nump">631,114<span></span></td>
        <td class="nump">348,402<span></span></td>
      </tr>
      <tr class="ro">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_tpoi_CurrentLiabilitiesAbstract', window );"><strong>Current liabilities:</strong></a></td>
        <td class="text">&#xA0;<span></span></td>
        <td class="text">&#xA0;<span></span></td>
      </tr>
      <tr class="re">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_AccountsPayableCurrent', window );">Accounts payable</a></td>
        <td class="nump">50,866<span></span></td>
        <td class="nump">70,253<span></span></td>
      </tr>
      <tr class="ro">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_AccruedLiabilitiesCurrent', window );">Accrued liabilities</a></td>
        <td class="nump">1,452<span></span></td>
        <td class="nump">6,752<span></span></td>
      </tr>
      <tr class="reu">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_Liabilities', window );">Total current liabilities</a></td>
        <td class="nump">52,318<span></span></td>
        <td class="nump">77,005<span></span></td>
      </tr>
      <tr class="ro">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_OtherAccruedLiabilitiesNoncurrent', window );">Other non current liabilities, accrued interest</a></td>
        <td class="nump">7,500<span></span></td>
        <td class="nump">1,500<span></span></td>
      </tr>
      <tr class="re">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_NotesPayableCurrent', window );">Notes payable</a></td>
        <td class="nump">50,000<span></span></td>
        <td class="nump">50,000<span></span></td>
      </tr>
      <tr class="ro">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_DueToRelatedPartiesCurrent', window );">Notes payable - related party</a></td>
        <td class="nump">100,000<span></span></td>
        <td class="nump">100,000<span></span></td>
      </tr>
      <tr class="reu">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_OtherLiabilitiesCurrent', window );">Total long-term liabilities</a></td>
        <td class="nump">157,500<span></span></td>
        <td class="nump">151,500<span></span></td>
      </tr>
      <tr class="rou">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_LiabilitiesCurrent', window );">Total liabilities</a></td>
        <td class="nump">209,818<span></span></td>
        <td class="nump">228,505<span></span></td>
      </tr>
      <tr class="re">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_tpoi_ShareholdersEquityAbstract', window );"><strong>Shareholders&#x2019; equity:</strong></a></td>
        <td class="text">&#xA0;<span></span></td>
        <td class="text">&#xA0;<span></span></td>
      </tr>
      <tr class="ro">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_CommonStockValue', window );">Common stock, $0 par value, 30,000,000 shares authorized, 13,312,302 and 9,312,302 shares issued and outstanding at December 31, 2012 and 2011, respectively</a></td>
        <td class="nump">1,542,651<span></span></td>
        <td class="nump">946,151<span></span></td>
      </tr>
      <tr class="re">
        <td class="pl" style="border-bottom: 0px;" valign="top"><a class="a" href="javascript:void(0);" onclick="top.Show.showAR( this, 'defref_us-gaap_AccumulatedDepreciationDepletionAndAmortizationPropertyPlantAndEquipment', window );">Accumulated deficit</a></td>
        <td class="num">(1,145,758)<span></span></td>
        <td class="num">(837,310)<span></span></td>
      </tr>

**Many many HTML code here...... Many Many Many**
                    <td><strong> Name:</strong></td>
                    <td><nobr>us-gaap_StockholdersEquity</nobr></td>
                  </tr>
                  <tr>
                    <td style="padding-right: 4px;"><nobr><strong> Namespace Prefix:</strong></nobr></td>
                    <td>us-gaap_</td>
                  </tr>
                  <tr>
                    <td><strong> Data Type:</strong></td>
                    <td>xbrli:monetaryItemType</td>
                  </tr>
                  <tr>
                    <td><strong> Balance Type:</strong></td>
                    <td>credit</td>
                  </tr>
                  <tr>
                    <td><strong> Period Type:</strong></td>
                    <td>instant</td>
                  </tr>
                </table>
              </div>
            </div>
          </td>
        </tr>
      </table>
    </div>
  </body>
</html>
</TEXT>
</DOCUMENT>

代码是这样的，但是要长一些

最佳答案

由于不清楚您要完成的确切目标，下面的解决方案将 HTML 文档分解为单独的标签和文本行。可能有一些特殊情况未处理，但它确实处理属性字符串，以防它们包含结束标记定界符。它写得很快，没有做太多测试，所以我会把任何必要的修复留给你。它不是很漂亮，但可以使用，应该足以让您入门。

#include <vector>
#include <string>
#include <iostream>


int main()
{
    std::string html("<div style=\"width: 200px;\"><strong>Balance Sheets (USD $)<br></strong></div>");
    std::vector<std::string>    tags;
    std::vector<std::string>    text;

    for(;;)
    {
        std::string::size_type  startpos;

        startpos = html.find('<');
        if(startpos == std::string::npos)
        {
            // no tags left only text!
            text.push_back(html);
            break;
        }

        // handle the text before the tag    
        if(0 != startpos)
        {
            text.push_back(html.substr(0, startpos));
            html = html.substr(startpos, html.size() - startpos);
            startpos = 0;
        }

        //  skip all the text in the html tag
        std::string::size_type endpos;
        for(endpos = startpos;
            endpos < html.size() && html[endpos] != '>';
            ++endpos)
        {
            // since '>' can appear inside of an attribute string we need
            // to make sure we process it properly.
            if(html[endpos] == '"')
            {
                endpos++;
                while(endpos < html.size() && html[endpos] != '"')
                {
                    endpos++;
                }
            }
        }

        //  Handle text and end of html that has beginning of tag but not the end
        if(endpos == html.size())
        {
            html = html.substr(endpos, html.size() - endpos);
            break;
        }
        else
        {
            //  handle the entire tag
            endpos++;
            tags.push_back(html.substr(startpos, endpos - startpos));
            html = html.substr(endpos, html.size() - endpos);
        }
    }

    std::cout << "tags:\n-----------------" << std::endl;

    // auto, iterators or range based for loop would probably be better but
    // this makes it a bit easier to read.    
    for(size_t i = 0; i < tags.size(); i++)
    {
        std::cout << tags[i] << std::endl;
    }

    std::cout << "\ntext:\n-----------------" << std::endl;
    for(size_t i = 0; i < text.size(); i++)
    {
        std::cout << text[i] << std::endl;
    }
}

上面的代码生成以下输出(在 < 之后没有空格，因为 SO markdown 将它解释为一个 HTML 标签，就像它应该的那样)

tags:

< div style="width: 200px;">
< strong>
< br>
< /strong>
< /div>

text:

Balance Sheets (USD $)

关于c++ - 匹配字符串长度；查找和替换;在 C++ 中删除 HTML 标签，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/16922517/

文章推荐： c++ - 在 C++ 中自动引用 vector

文章推荐： c++ - 在 C 二维数组中找到一个值的多个索引

javascript - 我需要将文本放在一个中，它位于一个 Div 中，该 Div 位于另一个 Div 中，该 Div 位于另一个 Div 中
我需要将文本放在中在一个 Div 中，在另一个 Div 中，在另一个 Div 中。所以这是它的样子: #document Change PIN
html - 两个背景图像。一个在 HTML 中，一个在 BODY 中。在 Firefox 中，主体图像未呈现
奇怪的事情发生了。我有一个基本的 html 代码。 html，头部， body 。(因为我收到了一些反对票，这里是完整的代码) 这是我的CSS: html { backgroun
ios - 将图像从 asset.xcassets 加载到 imageArray 中，并将其动态加载到 UIImageView 中，该 UIImageView 存在于 UICollectionView 中 - swift
我正在尝试将 Assets 中的一组图像加载到 UICollectionview 中存在的 ImageView 中，但每当我运行应用程序时它都会显示错误。而且也没有显示图像。我在ViewDidLoa
linux - 在 BASH 中，我需要根据 perl 脚本的输出更改一些环境变量。在 tcsh 中，我可以使用别名 eval 组合。不能在 bash 中
我需要根据带参数的 perl 脚本的输出更改一些环境变量。在 tcsh 中，我可以使用别名命令来评估 perl 脚本的输出。 tcsh: alias setsdk 'eval `/localhome/
asp.net - Windows 身份验证适用于 IIS，但不适用于 Kestrel/Microsoft.AspNetCore.Authentication.Negotiate(不在 Chrome 中，有时在 Edge 中，始终在 IE 中)？
我使用 Windows 身份验证创建了一个新的 Blazor(服务器端)应用程序，并使用 IIS Express 运行它。它将显示一条消息“Hello Domain\User!”来自右上方的以下 Ra
java - java 中 Kotlin 中的等价物是什么？
这是我的方法 void login(Event event);我想知道 Kotlin 中应该如何最佳答案在 Kotlin 中通配符运算符是 * 。它指示编译器它是未知的，但一旦知道，就不会有其他类
express - 在 Jade 中，为什么有时我可以按原样使用变量而有时必须将它们包含在#{......} 中？
看下面的代码 for story in book if story.title.length < 140 - var story
c - C 中 strstr() 中 for 循环的错误使用
我正在尝试用 C 语言学习字符串处理。我写了一个程序，它存储了一些音乐轨道，并帮助用户检查他/她想到的歌曲是否存在于存储的轨道中。这是通过要求用户输入一串字符来完成的。然后程序使用 strstr()
c - * 在 sscanf 中，* 在 [] 中
我正在学习 sscanf 并遇到如下格式字符串: sscanf("%[^:]:%[^*=]%*[*=]%n",a,b,&c); 我理解 %[^:] 部分意味着扫描直到遇到 ':' 并将其分配给 a。:
python - 在 Python (2.7.3) 中，如果 str(x) 中的任何字符在 str(y) 中(或 str(y) 在 str(x) 中)，我如何编写一个函数来回答？
def char_check(x,y): if (str(x) in y or x.find(y) > -1) or (str(y) in x or y.find(x) > -1):
ansible - 在 Ansible 中，如何将一行移动到一个 block 中？
我有一种情况，我想将文本文件中的现有行包含到一个新 block 中。 line 1 line 2 line in block line 3 line 4 应该变成 line 1 line 2 line
Django 调试工具栏显示在根 URL 中，但不显示在应用程序 URL 中
我有一个新项目，我正在尝试设置 Django 调试工具栏。首先，我尝试了快速设置，它只涉及将 'debug_toolbar' 添加到我的已安装应用程序列表中。有了这个，当我转到我的根 URL 时，调试
r - 在 R 中，Matlab 中 @ 函数句柄的等价物是什么？
在 Matlab 中，如果我有一个函数 f，例如签名是 f(a,b,c)，我可以创建一个只有一个变量 b 的函数，它将使用固定的 a=a1 和 c=c1 调用 f: g = @(b) f(a1, b,
swiftui - SwiftUI 中 ScrollView 中 VStack 元素中的神秘间距或填充
我不明白为什么 ForEach 中的元素之间有多余的垂直间距在 VStack 里面在 ScrollView 里面使用 GeometryReader 时渲染自定义水平分隔线。 Scrol
cookies - 什么应该存储在 session 中，什么应该存储在 cookie 中？
我想知道，是否有关于何时使用 session 和 cookie 的指南或最佳实践？什么应该和什么不应该存储在其中？谢谢! 最佳答案这些文档很好地了解了 session cookie 的安全问题以及
python - Python 中 matplotlib 中 3d 直方图的奇怪行为
我在 scipy/numpy 中有一个 Nx3 矩阵，我想用它制作一个 3 维条形图，其中 X 轴和 Y 轴由矩阵的第一列和第二列的值、高度确定每个条形的是矩阵中的第三列，条形的数量由 N 确定。
c - c 中 sem_init(...) 中 value 参数的不同用法
假设我用两种不同的方式初始化信号量 sem_init(&randomsem,0,1) sem_init(&randomsem,0,0) 现在， sem_wait(&randomsem) 在这两种情况下
c - 实际值存储在 pstr 中，但是该值如何存储在数组 "WORD"中
我怀疑该值如何存储在“WORD”中，因为 PStr 包含实际输出。？既然Pstr中存储的是小写到大写的字母，那么在printf中如何将其给出为“WORD”。有人可以吗？解释一下？ #include
javascript - 数组索引选择像在 numpy 中，但在 javascript 中
我有一个 3x3 数组: var my_array = [[0,1,2], [3,4,5], [6,7,8]]; 并想获得它的第一个 2
javascript - 在 Javascript 中，如何检测浏览器窗口何时在 View 中？
我意识到您可以使用如下方式轻松检查焦点: var hasFocus = true; $(window).blur(function(){ hasFocus = false; }); $(win

行者123

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

c++ - 匹配字符串长度；查找和替换;在 C++ 中删除 HTML 标签

tags:

text: