如何从网页中提取所需数据？

麻烦各位帮帮   ....

提取汉字？

这个叫网页解析，到网上搜，如果找到好的代码，告知一下。

嗯嗯    就是提取汉字   ....只要学会提取汉字，我就可以提取其它了  .....

那就判断是否是字母，不是字母与数字的，当然就是汉字了。

ActiveX空见MSIE自带的函数就可以根据标记提取内容，比如tag 等，获得标记集合然后从中提取内容。
或者可以利用正则表达式
在vc中使用regex的一个简便方法：
1. 生成regex.tlb
     1.1 以资源方式打开 c:\windows\system32\Vbscript.dll，将第二个typelib导出为 regex.tlb
     1.2 vc, tools --> ole/com object viewer，找到 Type Libraraies --> Microsoft Vbscript Regular Expression 5.5, 右键 View..，然后在打开的 ITypeLib Viewer 中保存成 regex.idl，再用 midl 工具生成 regex.tlb。这个方法能找到很多其他的 tlb

2. 在vc中导入 regex.tlb
    #import "regex.tlb" rename_namespace("RegEx")

参考文章：www.codeproject.com/KB/string/use_regular_expression_in_your_program.aspx

依次判断字符的ascii码，是负数的就是汉字

可以自己写个字符串筛选，如5楼所说的那样。

还可以用别人封装的正则表达式的类，我这里就有一份

XML相关类可以做.
也可以使用MS提供的关于网页操作的COM类.

http://blog.csdn.net/whucv/article/details/7837434
看我这篇博客，写的怎样获取正文
http://blog.csdn.net/whucv/article/details/7837434

正则表达式，就是为了处理这类东西的，如果有写过PHP程序，就不会提这种问题了。
Google搜索“正则表达式去除HTML标记”。

有規則 自己提取
較無規則 正則表達式

大规模的用正则表达式

如果对效率要求不高，可以用让ie来提取

BOOL GetContextFromHtml(LPSTR pszHtmlBuffer,CString&sText)

{

	IHTMLDocument2   *pDoc   =   NULL; 

	_bstr_t btHtml,vtContext;

	btHtml = pszHtmlBuffer;

	//vtHtml = pszHtmlBuffer;



	CoInitialize(NULL); 



	CoCreateInstance(CLSID_HTMLDocument, NULL, CLSCTX_INPROC_SERVER, IID_IHTMLDocument2, (LPVOID*)&pDoc); 

	if(pDoc) 

	{ 

		IPersistStreamInit   *pPersist   =   NULL; 

		pDoc-> QueryInterface(IID_IPersistStreamInit, (LPVOID*)&pPersist); 

		if(pPersist) 

		{ 

			IMarkupServices *pMS=NULL; 



			pPersist->InitNew(); 

			pPersist->Release(); 



			pDoc->QueryInterface(IID_IMarkupServices, (LPVOID*)&pMS); 



			if(pMS) 

			{ 

				IMarkupContainer   *pMC = NULL; 

				IMarkupPointer   *pMkStart   =   NULL; 

				IMarkupPointer   *pMkFinish   =   NULL; 

				pMS->CreateMarkupPointer(&pMkStart); 

				pMS->CreateMarkupPointer(&pMkFinish); 

				pMS->ParseString(btHtml, 0, &pMC, pMkStart, pMkFinish); 



				if(pMC) 

				{ 

					IHTMLDocument2 *pNewDoc = NULL; 

					pMC-> QueryInterface(IID_IHTMLDocument, (LPVOID*)&pNewDoc); 

					if(pNewDoc) 

					{ 

						//   do   anything   with   pNewDoc,   in   this   case 

						//   get   the   body   innerText. 

						IHTMLElement   *pBody; 

						pNewDoc->get_body(&pBody); 

						if(pBody) 

						{ 

							BSTR strText; 

							pBody->get_innerText(&strText); 

							pBody->Release(); 

							vtContext.Assign(strText);

							SysFreeString(strText); 

						} 

						pNewDoc->Release(); 

					} 

					pMC->Release(); 

				} 



				if(pMkStart) 

					pMkStart->Release(); 



				if(pMkFinish) 

					pMkFinish->Release(); 



				pMS->Release(); 

			} 

		} 

		pDoc->Release(); 

	} 

	sText = (char*)vtContext;

	CoUninitialize(); 



	return   TRUE; 

}

XML 解析 用TinyXML库  。  转换为CString  仅限于字符串少的情况下。   用正则表达式。

引用 15 楼  的回复:

XML 解析 用TinyXML库  。  转换为CString  仅限于字符串少的情况下。   用正则表达式。

TinyXML不能直接用來解析HTML,數據不完整.官方明確指出