[c/c++] estrarre link da un file di testo

[misterx]

ciao,
avrei la necessità di estrarre i link contenuti in una pagina HTML senza scomodare le espressioni regolari in quanto non ho a disposizione una libreria; esiste una qualche implementazione già fatta?


grazie

[Scara95]

Se cerchi qualche implementazione già fatta cerchi una libreria
Comunque non è una cosa banale.

[Paulin]

    char *ps = &HTML_Txt[0]; // Il buffer del testo in entrata.
    char *pLinkStr = &buf[0];  // Un buffer preimpostato che riceverà il link.


    if (ps)
    {
        while (*ps)
        {
            if ( *ps == 'h'
            && *++ps == 'r'
            && *++ps == 'e'
            && *++ps == 'f' )
            {
                while (*ps != '"') // Scarta '=' spazi e virgolette...
                    ps++;
                    
                while (*ps == '"') // Copia la stringa di testo del link.
                    *pLinkStr++ = *ps++;
            }

            ps++;
        }
    }

...è solo una idea, non so neppure se funziona, poi bisogna aumentare i controlli per verificare che ad ogni incremento di ps non si incontri il terminatore nullo.

[Scara95]

Tecnicamente href può essere usato in tag diversi da a, inoltre non necessariamente con tiene un link.

Comunque a questo punto tanto vale usare un po' di funzioni di libreria

#include <stdio.h>
#include <string.h>


int main(void) {
    char *input = "<a href=\"...\">asd</a><a href=\",,,\"></a>", 
         *init,
         *end,
         buff[256];
    int len;
    init = strstr(input, "href");
    while(init!=NULL) {
        init = strchr(init, '"')+1;
        end = strchr(init, '"');
        len = end-init;
        strncpy(buff, init, len);
        buff[len] = '\0';
        printf("%s\n", buff);
        init = strstr(end, "href");
    }
    return 0;
}

edit. volendo si può trasformare in una funzione à la strtok

[misterx]

grazie per gli esempi, vedo che anche senza scomodare le espressioni regolari si riesce ad estrarre i link, li proverò entrambi.
Un dubbio: che differenza vi è tra indirizzi del tipo http:\\www.miosito.com e http:\\miosito.com ????

grazie

[MItaly]

Che puntano a due domini diversi... (anche se molti aggiungono un qualche genere di redirect)
(per inciso, negli URL gli slash sono in avanti... http://, non http:\\)

[misterx]

ops, hai ragione, ho scritto senza pensarci: effettivamente facendo ping www.google.it e google.it si ottengono due IP diversi però forse si potrebbe avere stesso IP ed n domini diversi

grazie

[MItaly]

Certo, sono i cosiddetti "virtual hosts"... Ma che c'entra con la domanda iniziale?

[misterx]

Certo, sono i cosiddetti "virtual hosts"... Ma che c'entra con la domanda iniziale?

scusate, ho approfittato per un approfondimento