parse_url2.c

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <curl/curl.h>
#include <alloca.h>  // some times i think, use alloca is a good idea...


static char endref[] = "\"'";

void parse_href(char *p, char *tmp){
    size_t len;

    if(!p)
        return;

    p += 4;
    //descarta todos os espaços até o próximo caracteres
    while(*p == ' ')
        p++;

    //verifica se o próximo caractere é '='
    if(*p != '=')
        return;


    p++;
    //descarta todos os espaços até o próximo caracteres
    while(*p == ' ')
        p++;

    //verifica se o próximo caractere é '"'
    if(*p == '"'){
        p++;
        len = (int)(strstr(p, "\"") - p);
        memcpy(tmp, p, len);
    }

    else if(*p == '\''){
        p++;
        len = (int)(strstr(p, "'") - p);
        memcpy(tmp, p, len);
    }
}

void extract_urls(char *inputBuffer, char *domain){
    char *s = NULL;
    char *ptr = inputBuffer;
    char *tmp = ptr;

    size_t slen = strlen(inputBuffer);
    s = malloc(sizeof(char) * slen);
    if(!s){
        fprintf(stderr, "malloc falhou\n");
        exit(1);
    }

    //identifica todos href
    while((tmp = strstr(ptr, "href"))){
        bzero(s, slen);

        parse_href(tmp, s);
        printf("href = %s\n", s);
        ptr = tmp + 4;
    }


    free(tmp);
}


int main(void){
    char *response="<a href =\"/test/algo\" >   \n<a href = \"/abra/cadabra/site.php\"> \n < href='teste/5003'> \n <form action = 'kaboom.php?remove'> ";

    extract_urls(response,"http://www.vulcan.com.br");

    return 0;
}