Html to Txt in C++

  

October 21

Html to Txt in C++

convert html to txt

html parser

C++;

本程序可以用来处理spider爬下来的网页，提取其文本，去除html的tag；

本程序用于批量转换某个文件夹下面所有的html文件；

 

程序总共分为2部分，一部分是列出该文件夹下所有的文件( 用C++遍历一个文件夹下面所有的文件 Zz)

另一方面是将html转换为txt

 

点击此处下载完整版本

 

1. October 21
2. Html to Txt in C++
3. convert html to txt
4. html parser
5. C++;
6. 本程序可以用来处理spider爬下来的网页，提取其文本，去除html的tag；
7. 本程序用于批量转换某个文件夹下面所有的html文件；
8. 
   
9. 程序总共分为2部分，一部分是列出该文件夹下所有的文件(用C++遍历一个文件夹下面所有的文件 Zz)
10. 另一方面是将html转换为txt
11. 
    
12. 点击此处下载完整版本
13. 
    
14. 
    
15. 
    
16. --------------------------------------------------------------------------------
17. 
    
18. /*
19. This code is to convert all html documents under c:/WT2G/ into text documents
20.   Reference class ffsco and Html2txt codes;
21.   By Super.jiju
22.   super.jiju@gmail.com
23.   super-jiju.spaces.live.com
24.   Oct 22,2008;
25. */
26. #include <stdio.h>
27. #include <stdlib.h>
28. #include <windows.h>
29. #include <locale.h>
30. #include <string>
31. #include "ffsco.h"
32. void UnicodeToGB2312(char* pOut,unsigned short uData)
33. {
34.  WideCharToMultiByte(CP_ACP,NULL,&uData,1,pOut,sizeof(WCHAR),NULL,NULL);
35.  return;
36. }
37. 
    
38. #define BUFSIZE 1024*1024*2
39. char buf[1024*1024*20];
40. char shadowbuf[1024*1024*20];
41. char buffer[BUFSIZE];
42. long size;
43. int