Я ищу хорошую библиотеку С++ для веб-очистки.
Он должен быть C/С++ и ничего, поэтому, пожалуйста, не направляйте меня в Параметры для очистки HTML или другие вопросы и ответы, где С++ даже не упоминается.
Параметры веб-соскабливания - только версия на С++
Ответ 1
Ответ 2
Я рекомендую Qt5.6.2, эта мощная библиотека предлагает нам
- Высокоуровневая, интуитивно понятная асинхронная сеть api, такая как QNetworkAccessManager, QNetworkReply, QNetworkProxy и т.д.
- Мощный класс регулярных выражений, например QRegularExpression
- Достойный веб-движок, такой как QtWebEngine
- Надежный, зрелый gui, как QWidgets
- Большинство Qt5 api хорошо спроектированы, сигналы и слот делают запись асинхронных кодов намного проще.
- Поддержка большого юникода
- Функциональная библиотека файловой системы. Создать, удалить, переименовать или найти стандартный путь для сохранения файлов - кусок пирога в Qt5
- Асинхронный api QNetworkAccessManager позволяет легко запускать много запросов на загрузку сразу
- Перекрестите основные настольные платформы, окна, mac os и linux, напишите один раз, скомпилированные в любом месте, только один код.
- Простота развертывания в Windows и Mac (linux? Возможно, linuxdeployqt может сэкономить массу неприятностей).
- Простая установка на windows, mac и linux
- И так далее
Я уже писал приложение для скриншотов изображений от Qt5, это приложение может царапать почти все изображения, найденные Google, Bing и Yahoo.
Чтобы узнать больше об этом, посетите мой проект github. Я записал обзор высокого уровня о том, как очистить данные по Qt5 на мои блоги (слишком много времени для публикации при переполнении стека).
Ответ 3
// download winhttpclient.h
// --------------------------------
#include <winhttp\WinHttpClient.h>
using namespace std;
typedef unsigned char byte;
#define foreach BOOST_FOREACH
#define reverse_foreach BOOST_REVERSE_FOREACH
bool substrexvealue(const std::wstring& html,const std::string& tg1,const std::string& tg2,std::string& value, long& next) {
long p1,p2;
std::wstring wtmp;
std::wstring wtg1(tg1.begin(),tg1.end());
std::wstring wtg2(tg2.begin(),tg2.end());
p1=html.find(wtg1,next);
if(p1!=std::wstring::npos) {
p2=html.find(wtg2,next);
if(p2!=std::wstring::npos) {
p1+=wtg1.size();
wtmp=html.substr(p1,p2-p1-1);
value=std::string(wtmp.begin(),wtmp.end());
boost::trim(value);
next=p1+1;
}
}
return p1!=std::wstring::npos;
}
bool extractvalue(const std::wstring& html,const std::string& tag,std::string& value, long& next) {
long p1,p2,p3;
std::wstring wtmp;
std::wstring wtag(tag.begin(),tag.end());
p1=html.find(wtag,next);
if(p1!=std::wstring::npos) {
p2=html.find(L">",p1+wtag.size()-1);
p3=html.find(L"<",p2+1);
wtmp=html.substr(p2+1,p3-p2-1);
value=std::string(wtmp.begin(),wtmp.end());
boost::trim(value);
next=p1+1;
}
return p1!=std::wstring::npos;
}
bool GetHTML(const std::string& url,std::wstring& header,std::wstring& hmtl) {
std::wstring wurl = std::wstring(url.begin(),url.end());
bool ret=false;
try {
WinHttpClient client(wurl.c_str());
std::string url_protocol=url.substr(0,5);
std::transform(url_protocol.begin(), url_protocol.end(), url_protocol.begin(), (int (*)(int))std::toupper);
if(url_protocol=="HTTPS") client.SetRequireValidSslCertificates(false);
client.SetUserAgent(L"User-Agent: Mozilla/5.0 (Windows NT 6.1; WOW64; rv:19.0) Gecko/20100101 Firefox/19.0");
if(client.SendHttpRequest()) {
header = client.GetResponseHeader();
hmtl = client.GetResponseContent();
ret=true;
}
}catch(...) {
header=L"Error";
hmtl=L"";
}
return ret;
}
int main() {
std::string url = "http://www.google.fr";
std::wstring header,html;
GetHTML(url,header,html));
}