html - C替换字符串中的html标签

Question

大家好，我目前有一个程序可以搜索包含大量文本(其中包含超链接)的 html 文件。目前，我只能打印整行文本，其中包括我试图避免的原始 html 标签。有没有办法做到这一点？

这是我想要实现的目标的示例:

html 文件中的示例文本行:

<a href="/cgi-bin/as-report?as=AS41299&view=2.0">S/N1</a> Blahblahblah

我想要实现的目标:

S/N1 Blahblahblah

到目前为止我的代码:

            while (!feof(fp)) {
                memset(buffer, 0, buflen+1);
                fgets(buffer, buflen, fp);

                    if (strstr(buffer, asnumber)) {
                        printf("\"%s\"\n", buffer);
                    }
            }

如有任何建议，我们将不胜感激，谢谢。

Answer 1

您可以建立一个上下文来告诉您是否在标签内，然后根据该上下文过滤您的字符串:

    #include <stdlib.h>
    #include <stdio.h>

    void filter(char *str)
    {
        char *p = str;
        int tag = 0;

        while (*str) {
            if (*str == '<') tag = 1;        
            if (!tag) *p++ = *str;        
            if (*str == '>') tag = 0;
            str++;
        }

        *p = '\0';
    }

    int main()
    {
        char line[] = "Read <a href=\"x.html\">more <b>here</b></a>.";
        puts(line);
        filter(line);
        puts(line);

        return 0;
    }

这适用于格式正确的 HTML 字符串，这些字符串可以正确转义所有不是标记分隔符的尖括号。如果该行以前一行的尾部开放标记开头，则将打印该标记的其余部分。