Qt: вытащить текст из html страницы

[FluffyMan]

необходимо выдрать текст из html страницы. к примеру отсюда надо забрать "привет"

Код: [Выделить]

...много_тегов<div dir="ltr" class="t0">привет</div>много_тегов...
как средствами QRegExp сделать конструкцию типа "удалить все символы в строке, кроме тех, что находятся в блоке <div dir="ltr" class="t0"></div>", подскажите? или посоветуйте что почитать по регулярным выражениям. а то у М. Шлее примеров мало(

[kosteek]

Вам нужен хтмл парсер. Посмотрите тут пример, реализован с помощью libxml2.

[hippi90]

HTML не парсится регулярными выражениями, для этого нужен специальный парсер.

[FluffyMan]

всем спасибо. я поступил иначе (что за привычка задавать вопросы, если сам до конца не обдумал все варианты).
я считал html текс в Qstring переменную. далее

Код: [Выделить]

...много_тегов<div dir="ltr" class="t0">привет</div>много_тегов...привел к виду

Код: [Выделить]

...много_тегов^привет</div>много_тегов...далее удалил все до "^" включительно. далее удалил все после первой встречной "<" включительно. в итоге получил то, что и требовалось. А именно "привет".

если в будущем буду иметь дело более серьезно с разборами xml, html, json, то буду смотреть в сторону нормальных парсеров. еще раз всем спасибо.

[Кровавый]

всем спасибо. я поступил иначе (что за привычка задавать вопросы, если сам до конца не обдумал все варианты).
я считал html текс в Qstring переменную. далее

Код: [Выделить]

...много_тегов<div dir="ltr" class="t0">привет<>много_тегов...привел к виду

Код: [Выделить]

...много_тегов^привет<>много_тегов...далее удалил все до "^" включительно. далее удалил все после первой встречной "<". в итоге получил то, что и требовалось.

если в будущем буду иметь дело более серьезно с разборами xml, html, json, то буду смотреть в сторону парсеров. еще раз всем спасибо.

Имеем:

Код: [Выделить]

...много_тегов<div dir="ltr" class="t0">пр<b>и<b>вет<>много_тегов...Получаем:

Код: [Выделить]

прто есть, если в тексте попадается какой-нибудь тег, то он ломает весь алгоритм.

Мой вам совет: не изобретайте велосипеда (сам так делал... ). За вас его уже изобрели.

[FluffyMan]

всем спасибо. я поступил иначе (что за привычка задавать вопросы, если сам до конца не обдумал все варианты).
я считал html текс в Qstring переменную. далее

Код: [Выделить]

...много_тегов<div dir="ltr" class="t0">привет<>много_тегов...привел к виду

Код: [Выделить]

...много_тегов^привет<>много_тегов...далее удалил все до "^" включительно. далее удалил все после первой встречной "<". в итоге получил то, что и требовалось.

если в будущем буду иметь дело более серьезно с разборами xml, html, json, то буду смотреть в сторону парсеров. еще раз всем спасибо.

Имеем:

Код: [Выделить]

...много_тегов<div dir="ltr" class="t0">пр<b>и<b>вет<>много_тегов...Получаем:

Код: [Выделить]

прто есть, если в тексте попадается какой-нибудь тег, то он ломает весь алгоритм.

Мой вам совет: не изобретайте велосипеда (сам так делал... ). За вас его уже изобрели.

в моем частном случае там нет никаких тегов 100%. это ответ гугла на запрос перевода слова) да я знаю, что давно все сделано за нас. просто в моем случае как-то проще сделать велосипед, чем читать описания на парсеры. это как из пушки по воробьям.

[Кровавый]

в моем частном случае там нет никаких тегов 100%. это ответ гугла на запрос перевода слова) да я знаю, что давно все сделано за нас. просто в моем случае как-то проще сделать велосипед, чем читать описания на парсеры. это как из пушки по воробьям.

Тогда, понимаю, чем проще и быстрей, тем лучше.

[FluffyMan]

в моем частном случае там нет никаких тегов 100%. это ответ гугла на запрос перевода слова) да я знаю, что давно все сделано за нас. просто в моем случае как-то проще сделать велосипед, чем читать описания на парсеры. это как из пушки по воробьям.

Тогда, понимаю, чем проще и быстрей, тем лучше.

да.

и все же Вы правы. Для уверенности (вдруг там все таки както окажутся исмволы "<" и ">", мало ли в переведенном тексте будут эти символы) я переделал так:

приводим к виду

Код: [Выделить]

..много_тегов~привет~много_тегов...и потом уже удаляем до "~" включительно и после "~" включительно (так как в тексте перевода врядли окажется тильда).

[danya]

как всё сложно
а нельзя смотреть на знак ">" если после него не встречается знак "<" копируем текст в буфер пока не появится "<" и не нужно изобретать велосипед или я чего то недопонял?

[Yurror]

danya,
ты только что изобрёл свой велосипед =)

[danya]

danya,
ты только что изобрёл свой велосипед =)

возможно
но вот это

и потом уже удаляем до "~" включительно и после "~" включительно (так как в тексте перевода врядли окажется тильда).

явно костыль

[goldskif]

не знаю, што таке QRegExp, но на баше хтмл-теги выдираются просто ))

[FluffyMan]

не знаю, што таке QRegExp, но на баше хтмл-теги выдираются просто ))

очень ценный комментарий))
Пользователь решил продолжить мысль 28 Мая 2012, 18:36:58:

как всё сложно
а нельзя смотреть на знак ">" если после него не встречается знак "<" копируем текст в буфер пока не появится "<" и не нужно изобретать велосипед или я чего то недопонял?

не допоняли. таких скобок очень пного. и какая по счету мне нужна заранее неизвестно. (или известно, но я об этом не знаю)))

[danya]

какая разница есть они или нет
дело в том что мы смотрим на закрывающую скобку если после нее не идёт открывающая то этот текст мы и берём
можете выслать пример попробую накидать алгоритм

[FluffyMan]

какая разница есть они или нет
дело в том что мы смотрим на закрывающую скобку если после нее не идёт открывающая то этот текст мы и берём
можете выслать пример попробую накидать алгоритм

Дело в том, что есть такие теги, у которых внутри тела ( после > и перед <) идет текст, мне не нужный. Например тег ссылка. Позже пример кину.