小说追更器——regex库函数的练习

cnjn

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
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：

1. #include<stdio.h>
   
2. #include<stdlib.h>
   
3. #include<regex.h>
   
4. #include<string.h>
   
5. #include"strrpc.h"
   
6. #define MAX 1000000
   
7. 
   
8. 
   
9. /*
   
10. 
    
11. 程序的思路：
    
12.     main函数调用wget保存章节目录的网页源码到tmp;
    
13.     main()调用compile()匹配出章节名及其url
    
14.     打印出章节名，分为最新章节及最近章节
    
15.     调用read_novel(),其中ch为chapters数组中的下标序号
    
16.     read_novel()调用wget获取章节正文的网页源码保存到tmp2
    
17.     read_novel()调用get_novel()提取出tmp2的内容并保存到tmp3
    
18.     read_novel()调用cat显示出处理好的章节
    
19.     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
    
20. 
    
21. 
    
22.     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
    
23.     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
    
24. 
    
25. */
    
26. 
    
27. 
    
28. struct Chapters{
    
29.     char name[100];
    
30.     char url[100];
    
31. } chapters[7];//用来存储章节名及其url
    
32. 
    
33. struct Compile{
    
34.         char *body;
    
35.         size_t size;
    
36.         int child_num;
    
37.         char **child;//嗯。。。这里应该是substring吧，就是子匹配文本
    
38.         regoff_t rm_eo;
    
39. };//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
    
40. 
    
41. char *inverse(char *str){
    
42.         char *res=malloc(strlen(str)+1);
    
43.         int len=strlen("啊"),i=0,j=strlen(str)-1;
    
44.         while(str[i]!='\0'){
    
45.                 if(str[i]>0x7F){
    
46.                         strncpy(&res[j-len+1],&str[i],len);
    
47.                         i+=len;
    
48.                         j-=len;
    
49.        
    
50.                 }else{
    
51.                         strncpy(&res[j],&str[i],1);
    
52.                         i++;
    
53.                         j--;
    
54.                 }
    
55.         }
    
56.         res[strlen(str)]='\0';
    
57.         return res;
    
58. }//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
    
59. 
    
60. struct Compile compile(int child_num,char *pattern,char *content){
    
61.     //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
    
62.     regex_t preg;
    
63.     regcomp(&preg,pattern,REG_EXTENDED|REG_NEWLINE);
    
64.     regmatch_t matched[child_num+1];
    
65.     int vv=regexec(&preg,content,child_num+1,matched,REG_NOTBOL);
    
66.     if(vv!=0){
    
67.             char tmp[500];
    
68.         regerror(vv,&preg,tmp,500);
    
69.         puts(tmp);
    
70.         exit(-1);
    
71.     }
    
72.     struct Compile res;
    
73.     res.body=malloc(MAX);
    
74.     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
    
75.     res.size=0;
    
76.     res.child_num=0;
    
77.     char *pos=res.body;
    
78.     for (int i=0;i<=child_num;i++){
    
79.             int len=matched[i].rm_eo-matched[i].rm_so;
    
80.         char *ptr=&content[matched[i].rm_so];
    
81.         strncpy(pos,ptr,len);
    
82.         res.size+=(len+1);
    
83.         pos[len]='\0';
    
84.         res.child_num=i;
    
85.         if(i>0){
    
86.                 res.child[i-1]=pos;
    
87.         }
    
88.         pos+=(len+1);
    
89.     }
    
90.     res.rm_eo=matched[0].rm_eo;
    
91.     return res;
    
92. }//负责正则匹配的函数
    
93. 
    
94. char *read_text(char *path){
    
95.     FILE *fp;
    
96.     char buff[MAX],*res=calloc(1,MAX);
    
97.     if((fp=fopen(path,"r"))==NULL){
    
98.             puts("读取文件失败！");
    
99.         exit(-1);
    
100.     }
     
101.     while(!feof(fp)){
     
102.             fgets(buff,MAX,fp);
     
103.         strcat(res,buff);
     
104.     }
     
105.     fclose(fp);
     
106.     return res;
     
107. }//读文本文件
     
108. 
     
109. int write_text(char path[],char *text){
     
110.     FILE *fp;
     
111.     if((fp=fopen(path,"w"))==NULL){
     
112.             puts("打开文件失败！");
     
113.         exit(-1);
     
114.     }
     
115.     int ret=fputs(text,fp);
     
116.     fclose(fp);
     
117.     return ret;
     
118. }//写文本文件
     
119. 
     
120. char *get_novel(int ch){
     
121.     char *source=read_text("./tmp2");
     
122.     struct Compile src=compile(1,"<div id=\"content\">(.*?)<.div>",source);
     
123.     strrpc(src.child[0],"&nbsp;"," ");
     
124.     strrpc(src.child[0],"<br />","\n");
     
125.     char *res=malloc(1000000);
     
126.     strcpy(res,chapters[ch].name);
     
127.     strcat(res,"\n\n");
     
128.     strcat(res,src.child[0]);
     
129.     return res;
     
130. }//负责提取tmp2中的小说正文，同时替换掉一些html标记
     
131. 
     
132. void read_novel(int ch){
     
133.     char command[200]="/usr/bin/wget -O tmp2  https://www.xbiquge6.com";
     
134.     strcat(command,chapters[ch].url);
     
135.     system(command);
     
136.     char *aa=get_novel(ch);
     
137.     write_text("tmp3",aa);
     
138.     system("cat tmp3|less");
     
139.     int isexist=-1;
     
140.     if(ch>1){printf("        (0)、下一章");isexist=0;}
     
141.     puts("        (1)、上一章        (2)、退出");
     
142.     printf("阅读完毕，请选择下一步操作：");
     
143.     int s=2;
     
144.     LBA1: scanf("%d",&s);
     
145.           switch(s){
     
146.                   case 0:if(isexist==0) read_novel(ch-1);
     
147.                 case 1:read_novel(ch+1);//这里不需break,因为这个函数有递无归。。。
     
148.                 case 2:exit(EXIT_SUCCESS);
     
149.                 default:printf("输入错误！请选择下一步操作：");
     
150.                         goto LBA1;
     
151.           }
     
152. }//负责上下章节的切换
     
153. 
     
154. int main(){
     
155.     system("/usr/bin/wget -O tmp https://www.xbiquge6.com/9_9933/");
     
156.     //system("/usr/bin/wget -O tmp https://www.xbiquge6.com/20_20331/");
     
157.     char *content=read_text("./tmp");
     
158.     //获取最新章节
     
159.     struct Compile latest=compile(2,"最新章节：<a href=\"(.*)\" target=\"_blank\">(.*)</a></p>",content);
     
160.     strcpy(chapters[0].name,latest.child[1]);
     
161.     strcpy(chapters[0].url,latest.child[0]);
     
162.     //获取最近章节
     
163.     char *content_inverse=inverse(content);
     
164.     for (int i=1;i<=6;i++){
     
165.         struct Compile recent=compile(2,">dd/<>a/<(.{0,50})>\"(.{0,50})\"=ferh a<>dd<",content_inverse);
     
166.         strcpy(chapters[i].name,inverse(recent.child[0]));
     
167.         strcpy(chapters[i].url,inverse(recent.child[1]));
     
168.         content_inverse+=recent.rm_eo;
     
169.     }
     
170.     puts("以下是最新章节：");
     
171.     printf("        (0)、%s\n",chapters[0].name);
     
172.     puts("以下是最近章节：");
     
173.     for(int i=1;i<=6;i++){
     
174.             printf("        (%d)、%s",i,chapters[i].name);
     
175.         if(i%2==0){
     
176.                 putchar('\n');
     
177.         }
     
178.     }
     
179.     strrpc(chapters[1].url,"\" class=\"empty"," ");
     
180.     printf("请输入章节序号(默认为0)：");
     
181.     int ch=0;
     
182.     scanf("%d",&ch);
     
183.     if (ch>6 ||ch<0){
     
184.             puts("错误的输入！");
     
185.         exit(EXIT_FAILURE);
     
186.     }
     
187. 
     
188.     read_novel(ch);
     
189.     return 0;
     
190. }
     

复制代码

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：

1. 
   
2. /* 功  能：将str字符串中的oldstr字符串替换为newstr字符串
   
3. * 参  数：str：操作目标 oldstr：被替换者 newstr：替换者
   
4. * 返回值：返回替换之后的字符串
   
5. * 版  本： V0.2
   
6. */
   
7. char *strrpc(char *str,char *oldstr,char *newstr){
   
8.     char bstr[strlen(str)];//转换缓冲区
   
9.     memset(bstr,0,sizeof(bstr));
   
10. 
    
11.     for(int i = 0;i < strlen(str);i++){
    
12.         if(!strncmp(str+i,oldstr,strlen(oldstr))){//查找目标字符串
    
13.             strcat(bstr,newstr);
    
14.             i += strlen(oldstr) - 1;
    
15.         }else{
    
16.                 strncat(bstr,str + i,1);//保存一字节进缓冲区
    
17.             }
    
18.     }
    
19. 
    
20.     strcpy(str,bstr);
    
21.     return str;
    
22. }
    
23. 
    
24. /*
    
25. ————————————————
    
26. 
    
27. 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。
    
28. 
    
29. 原文链接：https://blog.csdn.net/qq_41673920/article/details/81390972
    
30. */
    

复制代码

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

cnjn

没有linux系统的话，可以使用coding的studio来运行代码