Parsear HTML

[ecfisa]

Hola.

Empezado por lago

...
Lo que necesito es extraer las rutas de las imágenes <img src="http://SITIO/IMAGEN.JPG"> de un fichero HTML que descargo.
...

Otra opción para extraer las rutas bajo la condición que las cadenas comiencen en "<img src=" y terminen en "jpg">:

Código PHP:

void getUrls(TStrings *source, TStrings *target)
{
  const char* INI = "<img src=\"";
  const char* FIN = "jpg\">";

  target->Clear();
  TStrings *ori = new TStringList;
  try
  {
    ori->Text = source->Text;
    for ( int i = 0; i < ori->Count; i++ )
    {
      AnsiString aux = ori->Strings[i];
      int p = aux.Pos(INI);
      if ( p )
      {
        p += strlen(INI) - 1;
        aux = aux.SubString(p+1, aux.Length());
        aux = aux.SubString(1, aux.Pos(FIN) + 2);
        target->Add(aux);
      }
    }
  }
  __finally
  {
    delete(ori);
  }
} 


Ej. uso:

Código PHP:

void __fastcall TForm1::Button1Click(TObject *Sender)
{
  getUrls(Memo1->Lines, Memo2->Lines); 
} 


Resultado de la prueba:


Saludos