C 中的正则表达式 (PCRE)答案

【问题标题】：Regular Expression in C (PCRE)C 中的正则表达式 (PCRE)
【发布时间】：2011-07-24 20:21:59
【问题描述】：

我正在尝试编写一个简单的程序来查找 HTML 网页中的所有 txt 文件。
我正在使用 C 和 libcurl（为了从 Internet 下载页面）和 PCRE 来扫描页面。

我正在使用下一个模式 - /\w+.txt/g 和下一个代码 -

if(htmlContent == NULL) return;
char pattern[] = "/\\w+.txt/g";
const char *error;
int erroffset, ovector[OVECCOUNT], htmlLength = (int)(sizeof(htmlContent) / sizeof(char));
pcre *re = pcre_compile(pattern,0,&error,&erroffset,NULL);
if (re == NULL) {
    printf("PCRE compilation failed at offset %d: %s\n", erroffset, error);
    return;
}

int rc = pcre_exec(re,NULL,htmlContent,htmlLength,0,0,ovector,OVECCOUNT);
if(rc < 0) {
    pcre_free(re);
    return;
}
if (rc == 0)
{
    rc = OVECCOUNT/3;
    printf("ovector only has room for %d captured substrings\n", rc - 1);
}

int i;
for (i = 0; i < rc; i++)
{
    char *substring_start = htmlContent + ovector[2*i];
    int substring_length = ovector[2*i+1] - ovector[2*i];
    printf("%2d: %.*s\n", i, substring_length, substring_start);
}

运行代码时我得到零结果（顺便说一句，此代码只是来自 curl 回调）

【问题讨论】：

对parsing HTML with REs说不。
我不知道 PCRE API，但我认为您不应该在表达式中使用任何双引号（只有愚蠢的 PHP 会这样做），并且您还想转义点：@ 987654323@
Qtax 是对的：当您直接使用 PCRE 库时，您确实不使用正则表达式分隔符（在这种情况下为/）。 PHP 需要它们，大概是为了使它的正则表达式语法看起来更像 Perl 的，但它在将字符串传递给 PCRE 之前将它们去掉。 g 修饰符也不需要。
使用sizeof(htmlContent) / sizeof(char)计算的长度可能是错误的。如果htmlContent 是一个指针，它只会是4 或8，除以也没什么用。你可能想要strlen(htmlContent)。

标签： c regex pcre

【解决方案1】：

模式应该是"\\w+\\.txt\\b"。 \b 将阻止模式匹配 foo.txtbar。

【讨论】：