c语言 怎么从html中提取mail地址

在C语言中，从HTML中提取邮件地址并不是一个直接的过程，因为C语言本身并不支持HTML解析，我们可以通过使用一些第三方库来实现这个功能，在这里，我们将使用libcurl和libxml2两个库来从HTML中提取邮件地址。

确保已经安装了libcurl和libxml2库，在Ubuntu系统中，可以使用以下命令安装：

sudo aptget install libcurl4openssldev libxml2dev

接下来，我们将编写一个简单的C程序来从HTML中提取邮件地址：

1、包含必要的头文件：

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <curl/curl.h>
#include <libxml/HTMLparser.h>

2、定义一个回调函数，用于处理从网页获取的HTML数据：

static size_t write_callback(void *contents, size_t size, size_t nmemb, void *userp)
{
    ((char **)userp)[0] = realloc((*(char **)userp)[0], size + nmemb + 1);
    memcpy(&((*(char **)userp)[0][size]), contents, nmemb);
    return size * nmemb;
}

3、定义一个函数，用于从HTML中提取邮件地址：

void extract_email_addresses(const char *html_data)
{
    xmlDocPtr doc = xmlReadMemory(html_data, strlen(html_data), "noname.html", NULL, 0);
    xmlNodePtr root = xmlDocGetRootElement(doc);
    xmlNodePtr node = NULL;
    for (node = root; node; node = node>next)
    {
        if (node>type == XML_ELEMENT_NODE && (node>content || strstr(node>name, "href") || strstr(node>name, "src")))
        {
            xmlChar *email = xmlXPathEvalExpression((xmlChar *)"//a[contains(@href, 'mailto:')]", node);
            if (email)
            {
                printf("Email address found: %s
", email);
                xmlFree(email);
            }
        }
    }
    xmlFreeDoc(doc);
    xmlCleanupParser();
}

4、在主函数中，使用libcurl获取网页的HTML数据，并调用extract_email_addresses函数提取邮件地址：

int main(int argc, char *argv[])
{
    if (argc != 2)
    {
        printf("Usage: %s <URL>
", argv[0]);
        return 1;
    }
    CURL *curl = curl_easy_init();
    if (!curl)
    {
        printf("Failed to initialize CURL
");
        return 1;
    }
    CURLcode res;
    char *html_data = NULL;
    size_t html_data_size = 0;
    curl_easy_setopt(curl, CURLOPT_URL, argv[1]);
    curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, write_callback);
    curl_easy_setopt(curl, CURLOPT_WRITEDATA, &html_data);
    curl_easy_setopt(curl, CURLOPT_USERAGENT, "libcurlagent/1.0");
    res = curl_easy_perform(curl);
    if (res != CURLE_OK)
    {
        printf("Failed to fetch HTML data: %s
", curl_easy_strerror(res));
        curl_easy_cleanup(curl);
        return 1;
    }
    extract_email_addresses(html_data);
    curl_easy_cleanup(curl);
    free(html_data);
    return 0;
}

5、编译并运行程序：

gcc o extract_emails extract_emails.c lcurl lxml2
./extract_emails https://example.com

这个程序将从指定的URL下载HTML数据，然后使用libxml2库解析HTML并提取邮件地址，请注意，这个程序仅适用于包含mailto:链接的电子邮件地址，如果需要提取其他类型的电子邮件地址，可能需要对程序进行相应的修改。