Discussion :

[Zobbiwan]

bonjour,

J'ai télécharger la source d'une page de resultats google.
J'ai mis cette source dans un string.

J'aimerai maintenant extraire les url :

les urls des sites sont entourées par les balise <h2 class=r> mais je ne sais pas trop comment faire en c++ pour extraire toute ses url et les mettre dans un veteur de string ou autre.

exemple de source google :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
..... du texte html....
<h2 class=r><a href="http://fr.wikipedia.org/wiki/Chien" class=l onmousedown="return clk(this.href,'','','res','3','')"><b>Chien</b> - Wikipédia</a></h2>
 
..... du texte html....

Si quelqu'un a une piste pour m'aider, merci d'avance.

[NiamorH]

Salut,
soit précis, ce que tu veux récupérer c'est :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<a href="http://fr.wikipedia.org/wiki/Chien" class=l onmousedown="return clk(this.href,'','','res','3','')"><b>Chien</b> - Wikipédia</a>

ou :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

http://fr.wikipedia.org/wiki/Chien

Dans tous les cas, il suffit de se servir des méthodes find et substr de std::string pour obtenir un résultat. Tu trouveras de la doc un peu partout sur le net.

[Alp]

Il existe aussi des libs de parsing de xml, ou des libs de manipulation de chaînes de caractères.

Il est important de comprendre comment ça marche, donc de faire soi-même. Mais il est aussi important de ne pas trop s'attarder dessus et d'avoir un code qui ne perd pas de temps lui non-plus (à l'exécution).

[JolyLoic]

Une question bête : Une page générée par google est une page concue pour être lue par un humain, et qui contient plein de garbage. Google n'exposte-il pas un web service qui permettrait de récupérer directement la bonne information dans un format convenable ?