c++ - 如何使用 C++ 从网页中获取文本？

Question

我正在尝试使用 Poco 从 reddit 的首页抓取新闻。我正在查看此 pdf ( http://pocoproject.org/slides/200-Network.pdf) 的答案，但此时我有点头疼，我不确定如何实现我的目标。正如我所说，我只是想从 www.reddit.com 获取新闻文章(特别是文章标题)。

到目前为止，我的代码从 reddit 的首页抓取所有 html，并将其输出到屏幕:

#include <iostream>        
#include "Poco/Net/SocketAddress.h"
#include "Poco/Net/StreamSocket.h"
#include "Poco/Net/SocketStream.h"
#include "Poco/StreamCopier.h"

using namespace std;
using namespace Poco::Net;
using namespace Poco;

int main(int argc, char *argv[])
{   
    SocketAddress sa("www.reddit.com", 80);
    StreamSocket socket(sa);
    SocketStream str(socket);
    str << "GET / HTTP/1.1\r\n"
     "Host: www.reddit.com\r\n"
     "\r\n";
    str.flush();

    StreamCopier::copyStream(str, cout);

    system("PAUSE");
}

查看上面提到的 pdf，看起来我的答案可能在某处，但我仍在学习计算机网络和互联网协议(protocol)，所以此时大部分内容都超出了我的理解范围。

主要问题:有人能帮我弄清楚如何将来自 www.reddit.com 的文章标题转换为字符串或字符串数​​组吗？

Answer 1

为什么不抢http://www.reddit.com/.rss ，这比html简单多了？ 例如使用 qt 框架获取新闻标题:

class Foo : public QObject { Q_OBJECT
public:
  Foo();
private slots:
  void got_it(QNetworkReply* reply);
private:
  QNetworkAccessManager* news_grabber;
};

Foo::Foo() {
  news_grabber = new QNetworkAccessManager(this);
  QObject::connect(news_grabber, SIGNAL(finished(QNetworkReply*)),
           this, SLOT(got_it(QNetworkReply*)));
  news_grabber->get(QNetworkRequest(QUrl("http://www.reddit.com/.rss")));
}

void Foo::got_it(QNetworkReply* reply) {
  QDomDocument document;
  std::vector<QString> items_storage;
  document.setContent(static_cast<QIODevice*>(reply));
  QDomNodeList items = document.elementsByTagName("item");
    for (int i = 0; i < items.length(); i++)
      items_storage.push_back(items.at(i).firstChildElement("title").text());
  }