C++如何从HTML提取所有超链接-C++-PHP中文网

最稳妥方案是用libxml2配合xpath解析：先调用htmlparsedoc加载html并自动检测编码，再用xmlxpathevalexpression执行"//a[@href]/@href"提取href属性值，最后用xmlnodegetcontent获取内容并手动清理内存。

c++如何从html提取所有超链接

用正则提取 `<a href="..."></a>` 标签容易出错

HTML 不是正则友好的格式，嵌套、转义、属性顺序、单双引号混用、注释里含 <a> 都会让正则崩掉。比如 <code><a href="https://ex.com?q=" foo></a> 里引号嵌套，或  这种注释，简单正则会误抓或截断。

真正可靠的做法是用 HTML 解析器，而不是字符串匹配。C++ 没有标准库内置 HTML 解析器，得依赖第三方库。

推荐用 `libxml2` + `htmlParseDoc` 解析再查 `//a/@href`

libxml2 是成熟、轻量、支持 malformed HTML 的 C 库，C++ 可直接调用。它能容忍标签不闭合、属性无引号等常见网页脏数据。

关键步骤：

用 htmlParseDoc 加载 HTML 字符串（注意传入 NULL 编码让其自动检测）
用 xmlXPathEvalExpression 执行 XPath //a[@href]/@href —— 这比遍历 DOM 更简洁，且自动跳过无 href 的 <a></a>
结果是 xmlXPathObjectPtr，遍历每个 xmlNodeSet 项，用 xmlNodeGetContent 提取值
记得调用 xmlFreeDoc 和 xmlXPathFreeObject 清理内存

示例片段（省略错误检查）：

html-deploy

使用 htmlcode.fun 将 HTML 内容或文件部署到网页，适用于用户要求“部署到网页”“托管此 HTML”“生成此前端...的实时链接”等场景。

下载

xmlDocPtr doc = htmlParseDoc(BAD_CAST html_str, NULL);
xmlXPathContextPtr ctx = xmlXPathNewContext(doc);
xmlXPathObjectPtr obj = xmlXPathEvalExpression(BAD_CAST "//a[@href]/@href", ctx);
if (obj->nodesetval) {
  for (int i = 0; i nodesetval->nodeNr; ++i) {
    xmlChar* href = xmlNodeGetContent(obj->nodesetval->nodeTab[i]);
    printf("%s\n", href);
    xmlFree(href);
  }
}
xmlXPathFreeObject(obj);
xmlXPathFreeContext(ctx);
xmlFreeDoc(doc);