使用boost 正则

最近在做的东西要用到正则解析HTML文本，据说开源的boost库很不错，于是到http://sourceforge.net/project/showfiles.php?group_id=7586下载最新版本的源代码 boost_1_34_1.zip，20多M，解压到本地硬盘竟然200多M...

总结一下vs2005安装boost正则流程

1:解压到C:\boost\boost_1_34_1\完成后,打开Visual Studio 2005 命令提示

2:cd C:\boost\boost_1_34_1\libs\regex\build

3:nmake vc8.mak

提示错误: "nmake"不是内部命令或外部命令，也不是可运行程序

搜索一下,原来是环境变量未设置

在 我的电脑 > 属性 > 高级 > 环境变量 我加了两个变量值 C:\Program Files\Microsoft Visual Studio 8\VC\include,C:\Program Files\Microsoft Visual Studio 8\VC\lib

终于可以运行了

4:打开vs2005新建一个测试程序

下面这个在网上找的

#include "stdafx.h"

#include <cstdlib>

#include <stdlib.h>

#include <boost/regex.hpp>

#include <string>

#include <iostream>

using namespace std;

using namespace boost;

regex expression("^select ([a-zA-Z]*) from ([a-zA-Z]*)");

int main(int argc, char* argv[])

{

        std::string in;

        cmatch what;

        cout << "enter test string" << endl;

        getline(cin,in);

        if(regex_match(in.c_str(), what, expression))

        {

                for(int i=0;i<what.size();i++)

                        cout<<"str :"<<what[i].str()<<endl;

        }

        else

        {

                cout<<"Error Input"<<endl;

        }

   return 0;

}

提示找不到 boost/regex.hpp

fatal error C1083: 无法打开包括文件:“boost/regex.hpp”: No such file or directory

解决办法:在vs工具>选项>项目和解决方案>vc++目录 ---显示以下内容的文件和目录 在库文件选项里,添加路径 C:\boost\boost_1_34_1\libs\regex\build\vc80

包含文件选项里,添加路径 C:\boost\boost_1_34_1

到现在终于可以编译运行了...

但是在生成release项目的时候又提示:无法打开文件“libboost_regex-vc80-mt-gd-1_34_1.lib”,根本就没有这个文件,怎么会连接到这个文件呢?真令人想不通,不管了,先把libboost_regex-vc80-mt-gd-1_34.lib复制一份改下名称,终于没问题了

去除HTML标签

#include <string >

#include <boost/regex.hpp >

boost::regex   reg("<style(.+?)/style>|<script(.+?)/script>|<[^>]+>|[\n]*",boost::regex::icase |boost::regex::perl);

std::string s=boost::regex_replace(std::string((char *)pbyBuffer),reg,"");

pbyBuffer是 BYTE *,下载的html代码地址

s就是去除html标签后的文本

<style(.+?)/style> 过滤 style

<script(.+?)/script> 过滤script

<[^>]+> 过滤 < > 中间的所有代码

[\n]* 换行符