解析html

wanshun1818

目前 我獲得一個(gè)網(wǎng)頁(yè)的html codes
其中 有這么一段

－－－－－－－
－－－－－－－
<!-- --><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

－－－－－－－
－－－－－
  我想從這個(gè)html codes中 找到上面我貼出來(lái)的代碼中的字符串“getcodeinstruction”“


請(qǐng)問(wèn) 有那個(gè)大蝦能指點(diǎn)下嗎？

（目前我  一次行從這個(gè) 里面讀取1024個(gè)bytes， 使用 strstr（buffer，"getcodeinstructions"）來(lái) 定位這個(gè)字符串，

但我覺(jué)得會(huì)出現(xiàn)一中情況 匹配不到， 舉個(gè)例子就是前面1024個(gè)bytes剛好

包含到getcode 就結(jié)束了，然后在一次讀取1024個(gè)bytes， 就包含到“instructions”

這樣 我就無(wú)法匹配到我我想要的這個(gè)字符串了，不知道有沒(méi)什么更好的辦法來(lái)定位這個(gè)字符串）


不知道這次問(wèn)題說(shuō)清楚了沒(méi)，清各位賜教

scopengl

假設(shè)你的字符串長(zhǎng)度為L(zhǎng)en，
1.讀取0~1023，匹配
2.讀取1023-Len~2047-Len，匹配
3.讀取2047-2*Len~3072-2*Len，匹配。
.....

wanshun1818

回復(fù) 2# scopengl


    恩，這個(gè)方法 應(yīng)該可以解決 字符串cut的問(wèn)題， 我等下在debug一下；

目前我遇到另一個(gè)解析的問(wèn)題，就是比如：

我  一次讀 1024 個(gè)bytes；
但是 可能 host 發(fā)送過(guò)來(lái)的只有500個(gè)bytes ，甚至 讀到0個(gè)bytes（網(wǎng)速灰常差時(shí)），但我確實(shí)這個(gè)網(wǎng)頁(yè)的數(shù)據(jù)還沒(méi)發(fā)送完，只是網(wǎng)速不行
我們暫時(shí)還讀不到數(shù)據(jù)而已，那這個(gè) 時(shí)候我的處理是delay一次，然后再去讀取數(shù)據(jù)； 可有個(gè)問(wèn)題時(shí)， 我如果delay次數(shù)多了，可能解些時(shí)間就慢了，不知道各位大蝦有沒(méi)什么好的解析html的方法，或有什么參考書，或參考資料推薦下；

shichuan609

回復(fù) 3# wanshun1818
跟我之前遇到的問(wèn)題差不多。我是一邊獲取數(shù)據(jù)，一遍解析，后來(lái)同事告訴我這樣很危險(xiǎn)，就先獲取html文件，再用libxml解析。

wanshun1818

回復(fù) 4# shichuan609


    直接獲取html文件？ 你的意思是說(shuō)，等所有bytes 都發(fā)送完了，在開始解析，是這個(gè)意思馬？


    但是如果你讀完才開始解析，那不是就很慢嗎？（ 尤其在我們所需要定位的字符串在這個(gè)html 開頭或者中間的時(shí)候）

shichuan609

回復(fù) 5# wanshun1818
好像還是不一樣啊，我是知道html文件每個(gè)節(jié)點(diǎn)的，只是得到數(shù)據(jù)而已。之前做的時(shí)候，好像跟2樓說(shuō)的差不多，也是用拼接的方法，還算挺復(fù)雜的，不過(guò)后來(lái)也能得到數(shù)據(jù)的。

daniel_kohler

回復(fù) 1# wanshun1818


    post給一個(gè)CGI，然后解析stdin。

wanshun1818

回復(fù) 6# shichuan609


    我弱弱的問(wèn)一句，“html文件每個(gè)節(jié)點(diǎn)” 這個(gè)東西是什么意思阿？

你后來(lái)問(wèn)題解決了馬？ 是怎么解決的（ 解析數(shù)據(jù)的速度快不快）

wanshun1818

回復(fù) 7# daniel_kohler


    我弱弱問(wèn)一句“post給一個(gè)CGI，然后解析stdin。 ” 這個(gè)能將詳細(xì)點(diǎn)嗎？
（ 我的數(shù)據(jù)發(fā)收 是通過(guò)socket 實(shí)現(xiàn)的，）

daniel_kohler

回復(fù) 9# wanshun1818


    你的socket是自己寫的嗎？不用了，直接使用boa或者lighthttpd或者h(yuǎn)ttpd就好了，有了它們，會(huì)省很多事兒。

   你缺乏基本的web開發(fā)知識(shí)，建議你在linux上使用apache先熟悉一下。