【发布时间】：2012-06-18 14:44:53
【问题描述】：
在我学习 C（纯 C，不是 C#，也不是 C++。我有我的理由。）的过程中，我遇到了从 HTML 文档中提取一些信息的需要，这些信息是从 URL 中获取的。即，我希望链接中的所有 href 属性都位于页面上某个无序列表中的字符串数组中。这些 URL 指向我要下载并存储在 zip 文件中的图像。
现在，我问了几个我认识的擅长 C 的人，他们要么告诉我“C 是错误的工具”，要么指点我 libXML，它显然以其稀缺的文档而闻名。我还查看了 libsoup 和 libtidy，但似乎无法将它们拼接在一起。
我应该选择什么方法/库？有人知道我可以查看的示例代码吗？
编辑：看到一半的 cmets 告诉我使用 C 以外的东西，我会补充说我不是在寻找“适合这项工作的工具”。如果我只是想尽快完成它，我可能会使用 Ruby，只是因为我对它感到满意。这是我学习 C 的一部分，因此，我正在寻找一个纯 C 的解决方案。
【问题讨论】：
-
我不会说 C 不是合适的工具。如果计算机可以做到，您可以用 C 编写它。但是，使用更合适的语言可以更快地完成工作。我投票给 Perl。
-
好吧，对于解析，我推荐经典的 lex/yacc（或 flex/bison）组合。有html语法浮动在某个地方，谷歌应该找到一些。
-
您要求或想做的事情被称为
CRAWLER。实现这一目标的最佳编程语言是Perl。 -
@pmg -- 按摩部分给我带来了麻烦 :)
-
请看我的编辑说明。
标签： c html-parsing