parser des urls

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:

---

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.

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

Code:

---

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

---

ou :

Code:

---

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.

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).

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 ?