cnjn 发表于 2019-11-17 17:20:44

小说追更器——regex库函数的练习

本帖最后由 cnjn 于 2019-11-17 17:31 编辑

写这个软件就是为了练习C语言下的正则表达式处理
主要解决了获取子匹配文本的获取，倒序正则匹配文本，以及。。。该死的内存泄漏{:9_220:}
内存泄漏直接导致了我竟然无法使用fputs()，当我用gdb单步调试是fputs()崩溃的时候差点没把眼珠子瞪出来。。。它是库函数呐。。。它崩了我是没点办法诶后面才发现是自己写的代码太菜了。。。

内存泄漏是因为涉及到中文字符串的处理，strlen()求出来的长度似乎有点问题，，，所以，我用了一个非常笨的法子，就是一律malloc(1000000)。。。



下面贴出代码：#include<stdio.h>
#include<stdlib.h>
#include<regex.h>
#include<string.h>
#include"strrpc.h"
#define MAX 1000000


/*

程序的思路：
    main函数调用wget保存章节目录的网页源码到tmp;
    main()调用compile()匹配出章节名及其url
    打印出章节名，分为最新章节及最近章节
    调用read_novel(),其中ch为chapters数组中的下标序号
    read_novel()调用wget获取章节正文的网页源码保存到tmp2
    read_novel()调用get_novel()提取出tmp2的内容并保存到tmp3
    read_novel()调用cat显示出处理好的章节
    read_novel()开始调用自身，也就是开始递归，以此实现上一章和下一章的切换，嗯。。。其实仔细观察就会发现这个函数是有递无归的(手动捂脸)，因为我会强行直接退出软件


    最最重要的是：我没有释放内存！我没有释放内存！我没有释放内存！重要的事儿说三遍
    大家千万不要学我，就是因此才会无法发现内存泄露，我被这个问题卡了5天呐！以后一定不敢只申请不释放了

*/


struct Chapters{
    char name;
    char url;
} chapters;//用来存储章节名及其url

struct Compile{
        char *body;
        size_t size;
        int child_num;
        char **child;//嗯。。。这里应该是substring吧，就是子匹配文本
        regoff_t rm_eo;
};//正则匹配的结果；body是匹配到的文本；child是子匹配文本数组，size是body+child的大小，包括所有的child。。。；rm_eo是匹配文本的结束下标，可用于多次匹配

char *inverse(char *str){
        char *res=malloc(strlen(str)+1);
        int len=strlen("啊"),i=0,j=strlen(str)-1;
        while(str!='\0'){
                if(str>0x7F){
                        strncpy(&res,&str,len);
                        i+=len;
                        j-=len;
       
                }else{
                        strncpy(&res,&str,1);
                        i++;
                        j--;
                }
        }
        res='\0';
        return res;
}//我自己写的一个字符串颠倒函数，因为网上分享的太不友好了。。。可处理中英文混合字符串，用于倒序正则匹配

struct Compile compile(int child_num,char *pattern,char *content){
    //child_num代表子匹配文本的数量，pattern代表正则表达式，content表示被匹配文本
    regex_t preg;
    regcomp(&preg,pattern,REG_EXTENDED|REG_NEWLINE);
    regmatch_t matched;
    int vv=regexec(&preg,content,child_num+1,matched,REG_NOTBOL);
    if(vv!=0){
          char tmp;
        regerror(vv,&preg,tmp,500);
        puts(tmp);
        exit(-1);
    }
    struct Compile res;
    res.body=malloc(MAX);
    res.child=(char **)calloc(1,sizeof(char *));//这里child只分配了内存放指针，没有为具体的子匹配文本分配内存，因为body和child其实是共用一段内存的，中间用'\0'分开罢了
    res.size=0;
    res.child_num=0;
    char *pos=res.body;
    for (int i=0;i<=child_num;i++){
            int len=matched.rm_eo-matched.rm_so;
        char *ptr=&content.rm_so];
        strncpy(pos,ptr,len);
        res.size+=(len+1);
        pos='\0';
        res.child_num=i;
        if(i>0){
                res.child=pos;
        }
        pos+=(len+1);
    }
    res.rm_eo=matched.rm_eo;
    return res;
}//负责正则匹配的函数

char *read_text(char *path){
    FILE *fp;
    char buff,*res=calloc(1,MAX);
    if((fp=fopen(path,"r"))==NULL){
            puts("读取文件失败！");
        exit(-1);
    }
    while(!feof(fp)){
            fgets(buff,MAX,fp);
        strcat(res,buff);
    }
    fclose(fp);
    return res;
}//读文本文件

int write_text(char path[],char *text){
    FILE *fp;
    if((fp=fopen(path,"w"))==NULL){
            puts("打开文件失败！");
        exit(-1);
    }
    int ret=fputs(text,fp);
    fclose(fp);
    return ret;
}//写文本文件

char *get_novel(int ch){
    char *source=read_text("./tmp2");
    struct Compile src=compile(1,"<div id=\\"content\\">(.*?)<.div>",source);
    strrpc(src.child,"&nbsp;"," ");
    strrpc(src.child,"<br />","\n");
    char *res=malloc(1000000);
    strcpy(res,chapters.name);
    strcat(res,"\n\n");
    strcat(res,src.child);
    return res;
}//负责提取tmp2中的小说正文，同时替换掉一些html标记

void read_novel(int ch){
    char command="/usr/bin/wget -O tmp2https://www.xbiquge6.com";
    strcat(command,chapters.url);
    system(command);
    char *aa=get_novel(ch);
    write_text("tmp3",aa);
    system("cat tmp3|less");
    int isexist=-1;
    if(ch>1){printf("        (0)、下一章");isexist=0;}
    puts("        (1)、上一章        (2)、退出");
    printf("阅读完毕，请选择下一步操作：");
    int s=2;
    LBA1: scanf("%d",&s);
          switch(s){
                  case 0:if(isexist==0) read_novel(ch-1);
                case 1:read_novel(ch+1);//这里不需break,因为这个函数有递无归。。。
                case 2:exit(EXIT_SUCCESS);
                default:printf("输入错误！请选择下一步操作：");
                        goto LBA1;
          }
}//负责上下章节的切换

int main(){
    system("/usr/bin/wget -O tmp https://www.xbiquge6.com/9_9933/");
    //system("/usr/bin/wget -O tmp https://www.xbiquge6.com/20_20331/");
    char *content=read_text("./tmp");
    //获取最新章节
    struct Compile latest=compile(2,"最新章节：<a href=\\"(.*)\\" target=\\"_blank\\">(.*)</a></p>",content);
    strcpy(chapters.name,latest.child);
    strcpy(chapters.url,latest.child);
    //获取最近章节
    char *content_inverse=inverse(content);
    for (int i=1;i<=6;i++){
        struct Compile recent=compile(2,">dd/<>a/<(.{0,50})>\\"(.{0,50})\\"=ferh a<>dd<",content_inverse);
        strcpy(chapters.name,inverse(recent.child));
        strcpy(chapters.url,inverse(recent.child));
        content_inverse+=recent.rm_eo;
    }
    puts("以下是最新章节：");
    printf("        (0)、%s\n",chapters.name);
    puts("以下是最近章节：");
    for(int i=1;i<=6;i++){
            printf("        (%d)、%s",i,chapters.name);
        if(i%2==0){
                putchar('\n');
        }
    }
    strrpc(chapters.url,"\\" class=\\"empty"," ");
    printf("请输入章节序号(默认为0)：");
    int ch=0;
    scanf("%d",&ch);
    if (ch>6 ||ch<0){
            puts("错误的输入！");
        exit(EXIT_FAILURE);
    }

    read_novel(ch);
    return 0;
}

对了，程序中用到了strrpc(),这是网友分享的函数，为了尊重版权，我将其另放在strrpc.h中了
如下：

/* 功能：将str字符串中的oldstr字符串替换为newstr字符串
* 参数：str：操作目标 oldstr：被替换者 newstr：替换者
* 返回值：返回替换之后的字符串
* 版本： V0.2
*/
char *strrpc(char *str,char *oldstr,char *newstr){
    char bstr;//转换缓冲区
    memset(bstr,0,sizeof(bstr));

    for(int i = 0;i < strlen(str);i++){
      if(!strncmp(str+i,oldstr,strlen(oldstr))){//查找目标字符串
            strcat(bstr,newstr);
            i += strlen(oldstr) - 1;
      }else{
              strncat(bstr,str + i,1);//保存一字节进缓冲区
          }
    }

    strcpy(str,bstr);
    return str;
}

/*
————————————————

版权声明：本文为CSDN博主「出奇」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/qq_41673920/article/details/81390972
*/

请注意：我用到了wget、cat、less等软件，所以。。。请在Linux系统下运行


cnjn 发表于 2019-11-17 17:52:50

没有linux系统的话，可以使用coding的studio来运行代码
页: [1]
查看完整版本: 小说追更器——regex库函数的练习