La estructura y la sintaxis del marcado de hipertexto Langauge o HTML, no sólo indica al navegador Web cómo mostrar el contenido de un archivo, sino que también identifica los datos estructurales sobre el propio archivo. Estas etiquetas también son de gran valor si usted está buscando un programador para codificar un programa que despojarnos de secciones específicas de un archivo HTML , como el encabezado y pie de página . HTML Anatomía
HTML utiliza un sistema simple de la marca hasta etiquetas para identificar las diferentes partes de un documento HTML. Encabezado del archivo HTML está marcada por la etiqueta " head " , el pie de página de la etiqueta . Un lector de código HTML interpretará nada entre la etiqueta de apertura y la etiqueta que indica el cierre de la sección " < /header "> a través de " < /pie de página > ", como parte de la sección indicada. Otras etiquetas , como " " corresponden a otros componentes del archivo . Al crear código para despojar encabezados y pies de página HTML de distancia , no se puede depender de saber exactamente cuánto tiempo será el encabezado o pie de página. Mientras que algunas cabeceras y pies de página se componen de una sola línea , podrían ser mucho más largo . Por lo tanto , el código no puede simplemente buscar la etiqueta " / ", entonces el '\\ n' símbolo que indica el final de una línea. Cuando se lee el contenido del archivo HTML en una cadena de caracteres , que tendrá que identificar la posición de índice de la primera " < " de la etiqueta inicial, así como el ">" de la etiqueta de terminal. Ambos lenguajes de bajo nivel como C y C + + y lenguajes de alto nivel como Python y Ruby tienen métodos para ayudar a localizar los elementos de texto dentro de un determinado cadena. Estos métodos devolverán la posición del índice del primer carácter del texto que busca . Cuando usted está buscando las etiquetas iniciales , esto le dará su punto de partida para la eliminación de texto. Cuando usted está buscando la etiqueta de terminal, recuerde que el punto que desea es o seis ( "< /head> ") o siete ("< /pie de página >") puestos por delante del número del método da usted.
una vez que tenga las posiciones de índice para el encabezado o pie de página del segmento que desea eliminar , se puede ir haciendo sobre él en uno de los dos generales maneras . Uno de ellos es para invocar a los métodos apropiados para eliminar los caracteres entre el primero y el último índice para el segmento. Esto editar directamente la cadena original . También puede crear una nueva cadena para crear dos versiones de los contenidos del archivo HTML : el archivo original y una versión simplificada de la cabecera y el pie de página de código . Para ello, asignar el contenido de la cadena original hasta la posición de índice inicial, y luego todo después de la última posición del índice , la nueva cadena.
