删除 <img></img> 标签的内容

Question

我有这个代码。代码的目的是打印<img> 之前的所有内容以及</img> 之后的所有内容。不应打印<img> 和</img> 之间的所有内容。但是，我有 2 个问题。

1. 代码正在 windows 上编译（gcc 编译器），但是当我运行它时，它只是说“程序停止工作”？
2. 代码正在打印所有内容。它甚至打印<img>， </img> 以及介于两者之间的所有内容。

我的#includes：

#include <stdio.h>
#include <string.h>
#include <stdlib.h>
#include <stdbool.h>
#include <unistd.h>

代码：

void replacer_and_print(FILE *fp) {

char* line;
size_t len;
ssize_t read;

bool found_tag = false;
int line_storer;
char* before_tag;
char* after_tag;

while ((read = getline(&line, &len, fp)) != -1) {
    if (
        ((before_tag = strstr(line, "<img>")) != NULL) &&
        ((after_tag = strstr(line, "</img>")) != NULL)
       ) {   
        line_storer = before_tag - line; 
        printf("%.*s", line_storer, line);

        printf("The Image use to be here\n");
        line_storer = after_tag - line + strlen("</img>"); 
        printf("%s", line + line_storer);

    } else if ((before_tag = strstr(line, "<img>")) != NULL) {
        line_storer = before_tag - line; 
        printf("%.*s", line_storer, line);

        found_tag = true;

    } else if((after_tag = strstr(line, "</img>")) != NULL) {
        found_tag = false;

        line_storer = after_tag - line + strlen("</img>"); 
        printf("%s", line + line_storer);

    } else if(!found_tag) {
        printf("%s", line);
    }
}

fclose(fp);
}

---

test.html:

<b>This is a test page</b>
<div class=back1>Some more text here for more testing!!!!</div>
<img>www.website.com/image.png</img>
<i>More words</i>
<u><i><b>TESTING 123</u></i></b>

---

输出：

<b>This is a test page</b>
<div class=back1>Some more text here for more testing!!!!</div>
The Image use to be here
<i>More words</i>
<u><i><b>TESTING 123</u></i></b>

---

假设：

There will only be one <img>
There will only be one </img>. The </img> tag will always be after the <img>

Answer 1

您需要在第一次调用getline() 之前设置len = 0。

char *line = NULL;
size_t len = 0;

来自getline 的手册页...

如果在调用之前 *lineptr 设置为 NULL 并且 *n 设置为 0，那么 getline() 将分配一个缓冲区来存储该行。即使 getline() 失败，用户程序也应释放此缓冲区。

len 是堆栈分配的 - 所以除非你初始化它，否则它可以包含任何值。

另外，你应该在完成之前free()ing line。

free(line);
fclose(fp);

最后，你应该检查fopen()的返回值。

if (!fp) {
    perror("fopen");
    // Handle error and return if appropriate
}

getline() 和 Windows

我怀疑您在 Windows 上遇到的问题是因为 Windows 没有实现 getline() 函数。 （它不是 C 标准的一部分 - 它是一个 POSIX 函数。）

您也可以尝试使用fgets()。下面的例子。

注意请注意，line 的内存不会在这种情况下动态分配。

char line[128] = {'\0'};

while (fgets(line, sizeof(line), fp) != NULL) {
// etc..
}
// Do NOT call free(line) at end of scope in this case!

Answer 2

您的代码存在多个问题：

• line 必须初始化为 NULL，len 必须初始化为 0。如果没有初始化，由于 line 和 len 具有自动存储（又名在堆栈上），您的代码具有未定义的行为，在您的情况下会导致提前终止。
• HTML <img> 通常具有src=URL 等属性

您做了一些不必要的假设，实际上会使您的代码复杂化： * 每行只删除第一张图片。 * 如果<img> 标记和</img> 位于不同的行，则在不相关的打开标记之前可能有一个关闭标记出现在同一行。您的第一次测试会被这种情况所迷惑并产生错误的输出。

这是一个带有嵌套循环的更正版本：

#include <stdio.h>
#include <string.h>
#include <stdlib.h>
#include <stdbool.h>
#include <unistd.h>

int main() {
    FILE *fp;
    char *line, *p, *q;
    size_t len;
    bool found_tag;

    fp = fopen("test.html", "r");
    if (fp == NULL) {
        fprintf(stderr, "cannot open %s\n", "test.html");
        return 1;
    }

    line = NULL;
    len = 0;
    found_tag = false;
    while (getline(&line, &len, fp) != -1) {
        for (p = line;;) {
            if (found_tag) {
                q = strstr(p, "</img>");
                if (q == NULL) {
                    /* skip the rest of the line */
                    break;
                }
                found_tag = false;
                p = q + strlen("</img>");
            } else {
                q = strstr(p, "<img");
                if (q == NULL) {
                    fputs(p, stdout);
                    break;
                }
                printf("%.*s%s", (int)(q - p), p,
                       "The Image used to be here\n");
                found_tag = true;
                p = q + strlen("<img");
            }
        }           
    }
    free(line);
    fclose(fp);
    return 0;
}