2.3 常用函数

boost::regex_match：匹配函数，用来判断所给的字符串与是否匹配，返回结果为bool型。

boost::regex_search：查找函数，用来在给定的字符串中寻找与给定正则表达式匹配的特定模式。

boost::regex_replace：替换函数，用来在给定的字符串中搜索所有给定的模式，对于每个匹配的部分，通过调用match_result::format来格式化字段，并将结果输出。

3 网页信息抽取

3.1网页信息抽取类CHtmlcodeIE设计与实现

（1）CHtmlcodeIE成员函数定义如下：

class CHtmlcodeIE 

{

public:

CHtmlcodeIE();

        virtual ~CHtmlcodeIE();

public:

        CString DeleteScriptTag(CString htmlcode); //去除脚本样式注释

        CString ExtractAllText(CString htmlcode);  //抽取所有文本

CString ExtractText(CString htmlcode);     //抽取所有非空文本

        CString ExtractTextAImg(CString htmlcode); //抽取文本链接图片

        CString ExtractTextA(CString htmlcode);    //抽取文本链接对

        CString ExtractImg(CString htmlcode);      //抽取所有图片

        CString DeleteTag(CString HtmlCode);      //过滤文本中的无用代码

};

  （2）CHtmlcodeIE成员函数实现如下：

#include "iostream.h"

#include "string.h"

#include <boost/regex.hpp>  //regex头文件

using namespace std;       //标准名字空间

#define Para boost::regbase::normal|boost::regbase::icase

CString CHtmlcodeIE::DeleteScriptTag(CString htmlcode)

{

    std::string s=(string)htmlcode; // CString类型转换位stirng类型