解析html

wanshun1818

目前 我获得一个网页的html codes
其中 有这么一段

－－－－－－－
－－－－－－－
<!-- --><div class="getcodeinstructions">
                                        <ol class="listings">
                                          <li><span class="numberone"></span>
                                                <div>
                                                  <label for="bcode">Click inside the box below and copy all the code.</label><br

－－－－－－－
－－－－－
  我想从这个html codes中 找到上面我贴出来的代码中的字符串“getcodeinstruction”“


请问 有那个大虾能指点下吗？

（目前我  一次行从这个 里面读取1024个bytes， 使用 strstr（buffer，"getcodeinstructions"）来 定位这个字符串，

但我觉得会出现一中情况 匹配不到， 举个例子就是前面1024个bytes刚好

包含到getcode 就结束了，然后在一次读取1024个bytes， 就包含到“instructions”

这样 我就无法匹配到我我想要的这个字符串了，不知道有没什么更好的办法来定位这个字符串）


不知道这次问题说清楚了没，清各位赐教

scopengl

假设你的字符串长度为Len，
1.读取0~1023，匹配
2.读取1023-Len~2047-Len，匹配
3.读取2047-2*Len~3072-2*Len，匹配。
.....

wanshun1818

回复 2# scopengl


    恩，这个方法 应该可以解决 字符串cut的问题， 我等下在debug一下；

目前我遇到另一个解析的问题，就是比如：

我  一次读 1024 个bytes；
但是 可能 host 发送过来的只有500个bytes ，甚至 读到0个bytes（网速灰常差时），但我确实这个网页的数据还没发送完，只是网速不行
我们暂时还读不到数据而已，那这个 时候我的处理是delay一次，然后再去读取数据； 可有个问题时， 我如果delay次数多了，可能解些时间就慢了，不知道各位大虾有没什么好的解析html的方法，或有什么参考书，或参考资料推荐下；

shichuan609

回复 3# wanshun1818
跟我之前遇到的问题差不多。我是一边获取数据，一遍解析，后来同事告诉我这样很危险，就先获取html文件，再用libxml解析。

wanshun1818

回复 4# shichuan609


    直接获取html文件？ 你的意思是说，等所有bytes 都发送完了，在开始解析，是这个意思马？


    但是如果你读完才开始解析，那不是就很慢吗？（ 尤其在我们所需要定位的字符串在这个html 开头或者中间的时候）

shichuan609

回复 5# wanshun1818
好像还是不一样啊，我是知道html文件每个节点的，只是得到数据而已。之前做的时候，好像跟2楼说的差不多，也是用拼接的方法，还算挺复杂的，不过后来也能得到数据的。

daniel_kohler

回复 1# wanshun1818


    post给一个CGI，然后解析stdin。

wanshun1818

回复 6# shichuan609


    我弱弱的问一句，“html文件每个节点” 这个东西是什么意思阿？

你后来问题解决了马？ 是怎么解决的（ 解析数据的速度快不快）

wanshun1818

回复 7# daniel_kohler


    我弱弱问一句“post给一个CGI，然后解析stdin。 ” 这个能将详细点吗？
（ 我的数据发收 是通过socket 实现的，）

daniel_kohler

回复 9# wanshun1818


    你的socket是自己写的吗？不用了，直接使用boa或者lighthttpd或者httpd就好了，有了它们，会省很多事儿。

   你缺乏基本的web开发知识，建议你在linux上使用apache先熟悉一下。