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

awk - 如果行与“foo”匹配，线上方与“bar”匹配，线下方与“baz”匹配，则删除行？
使用sed和/或awk，仅在行包含字符串“ foo”并且行之前和之后的行分别包含字符串“ bar”和“ baz”时，我才希望删除行。因此，对于此输入： blah blah foo blah bar
c# - 如何按 X% 匹配 2 个字符串(即 >90% 匹配)
例如: S1: "some filename contains few words.txt" S2:“一些文件名包含几个单词 - draft.txt” S3:“一些文件名包含几个单词 - 另一个 dr
R 合并数据帧，允许不精确的 ID 匹配(例如，附加字符 1234 匹配 ab1234)
我正在尝试处理一些非常困惑的数据。我需要通过样本 ID 合并两个包含不同类型数据的大数据框。问题是一张表的样本 ID 有许多不同的格式，但大多数都包含用于匹配其 ID 中某处所需的 ID 字符串，例如
css - 匹配 col-md 时显示 div，匹配 col-sm 时不显示
我想在匹配特定屏幕尺寸时显示特定图像。在这种情况下，对于 Bootstrap ，我使用 col-xx-## 作为我的选择。但似乎它并没有真正按照我认为应该的方式工作。基本思路，我想显示一种全屏图像，
apache - mod_rewrite 问题 : RewriteCond %{REQUEST_FILENAME} ! -f 匹配，即使 REQUEST_FILENAME 不应(完全)匹配
出于某种原因，这条规则 RewriteCond %{REQUEST_FILENAME} !-f RewriteCond %{REQUEST_FILENAME} !-d RewriteRule ^(.*
F# 匹配 ->
我想做类似的东西(Nemerle 语法) def something = match(STT) | 1 with st= "Summ" | 2 with st= "AVG" =>
JavaScript 匹配
假设这是我的代码 var str="abc=1234587;abc=19855284;abc=1234587;abc=19855284;abc=1234587;abc=19855284;abc=123
JavaScript 匹配
我怎样才能得到这个字符串的数字:'(31.5393701, -82.46235569999999)' 我已经在尝试了，但这离解决方案还很远:) text.match(/$(\d+),(\d+)$/
JavaScript 匹配
如何去除输出中的逗号 (,)？有没有更好的方法从字符串或句子中搜索 url。 alert(" http://www.cnn.com df".match(/https?:\/\/([-\w\.]+
Python - 匹配
a = ('one', 'two') b = ('ten', 'ten') z = [('four', 'five', 'six'), ('one', 'two', 'twenty')] 我正在尝试
vba - 循环遍历行和列时的索引/匹配
我已经编写了以下代码，我希望用它来查找从第 21 列到另一张表中最后一行的值，并根据这张表中 A 列和另一张表中 B 列中的值将它们返回到这张表床单。当我使用下面的代码时，我得到一个工作表错误。你能
Excel 匹配 IF 语句未正确评估
我在以下结构中有两列 A B 1 49 4922039670 我已经能够评估 =LEN(A1)如2 , =LEFT(B1,2)如49 , 和 =LEFT(B1,LEN(A1)
基于行首的 Vim 匹配
我有一个文件，其中一行可以以 + 开头, -或 * .在其中一些行之间可以有以字母或数字(一般文本)开头的行(也包含这些字符，但不在第 1 列中!)。知道这一点，设置匹配和突出显示机制的最简单方法是
正则表达式:匹配，但如果在评论中则不匹配
我有一个数据字段文件，其中可能包含注释，如下所示: id, data, data, data 101 a, b, c 102 d, e, f 103 g, h, i // has to do with
匹配 url 的正则表达式模式
我有以下模式:/^\/(?P.+)$/匹配:/url . 我的问题是它也匹配 /url/page ，如何忽略/在这个正则表达式中？该模式应该: 模式匹配:/url 模式不匹配:/url/page 提
r - R中多维度的聚类/匹配
我有一个非常庞大且复杂的数据集，其中包含许多对公司的观察。公司的一些观察是多余的，我需要制作一个键来将多余的观察映射到一个单独的观察。然而，判断他们是否真的代表同一家公司的唯一方法是通过各种变量的相似
xpath 匹配 - 查找值不在值集中的标签是否存在
我有以下 XML A B C 我想查找 if not(exists(//Record/subRecord
javascript - 匹配/不匹配的正则表达式上没有出现警报框？
我制作了一个正则表达式来验证潜在的比特币地址，现在当我单击报价按钮时，我希望根据正则表达式检查表单中输入的值，但它不起作用。 https://jsfiddle.net/arkqdc8a/5/ var
sql - 检查支架是否平衡/匹配
我有一些 MS Word 文档，我已将其全部内容转移到 SQL 表中。内容包含多个方括号和大括号，例如 [{a} as at [b],] {c,} {d,} etc 我需要进行检查以确保括号平衡/匹
JavaScript Unicode 匹配
我正在使用 Node.js 从 XML 文件读取数据。但是当我尝试将文件中的数据与文字进行比较时，它不匹配，即使它看起来相同: const parser: xml2js.Parser = new

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: