[C] indicizzare pagina html

[__Yrbag83__]

Devo realizzare un programma che data una pagina html mi fornisca le "parole chiave" (tutte le parole esclusi articoli, congiunzioni):

1 come posso far "leggere" la pagina?

2 ho trovato trovato questo codice sul sito, come mi può essere utile?

#include <stdio.h>
#include <winsock.h>

int main()
{
struct sockaddr_in sock; //la struttura per il socket
struct hostent *ip; //la struttura per l'indirizzo
char msg_enter[] = "GET /directory/file.html HTTP/1.0\n\n"; // RICHIESTA FILE
char msg_response[] = "\0"; la risposta
int s;

WORD wVersionRequested; //la versione
WSADATA wsaData; //????
wVersionRequested = MAKEWORD(2, 2); //attiva la lib winsock 2.2
WSAStartup(wVersionRequested, &wsaData); //la starta
s = socket(AF_INET, SOCK_STREAM, 0); //crea il socket
ip = gethostbyname("www.pincopallino.net"); // INDIRIZZO
sock.sin_family = AF_INET; // tipo di indirizzo ...... di solito sempre AF_INET
sock.sin_port = htons(80); // PORTA
memcpy(&sock.sin_addr, ip->h_addr, ip->h_length); //copia l'indirizzo nella struttura socket
connect(s, (struct sockaddr *)&sock, sizeof(sock)); //associa al socket s la struttura socket
printf("Inviato al server:\n\n%s\n", msg_enter);
send(s, msg_enter, strlen(msg_enter) + 1, 0); //invia dati
printf("Ricevuto dal server:\n\n");
while(recv(s, msg_response, 1, 0) != 0)
{
printf("%c", msg_response[0]);
Sleep(10);
}

// chiude il socket
shutdown(s, 2);
closesocket(s);
WSACleanup();
system("pause");
return 0;
}

[__Yrbag83__]

Nessuno che mi aiuta?



Forse la mia domanda non era chiara:

come posso da una pagina html estrarre parole chiave che saranno successivamente messe in un database?

Speriamo che la notte ci porti consiglio