2 admin gt admin_gt 于 2016.01.29 21:28 提问

c语言正则表达式抓取网站的<title>

本程序的功能是搜索网站的

字段的值
遗憾的是并不通用:ps:我也不知道为什么失败

问题1:正则表达式或运算消除标签大小写后匹配不到字符串
问题2:正则表达式实现零宽断言后发现匹配不到字符串
问题3:在科大官网上测试

成功 在其他网站可能会失败
 #include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <sys/types.h>
#include <sys/socket.h>
#include <unistd.h>
#include <netdb.h>
#include <netinet/in.h>
#include <arpa/inet.h>
#include <regex.h>//正则表达式

#define BUF_SIZE 512

int reptile_regex(char * buf);

char ch[100000];

int main(int argc,char *argv[])
{
struct sockaddr_in servAddr;
struct hostent * host;
int sockfd;
char sendBuf[BUF_SIZE],recvBuf[BUF_SIZE];
int sendSize,recvSize;

host=gethostbyname(argv[1]);
if(host==NULL)
{
perror("dns 解析失败");
}
servAddr.sin_family=AF_INET;
servAddr.sin_addr=*((struct in_addr *)host->h_addr);
servAddr.sin_port=htons(atoi(argv[2]));
bzero(&(servAddr.sin_zero),8);

sockfd=socket(AF_INET,SOCK_STREAM,0);
if(sockfd==-1)
{
perror("socket 创建失败");
}

if(connect(sockfd,(struct sockaddr *)&servAddr,sizeof(struct sockaddr_in))==-1)
{
perror("connect 失败");
}

//构建一个http请求
sprintf(sendBuf,"GET / HTTP/1.1\r\nHost: %s\r\nConnection: keep-alive\r\n\r\n",argv[1]);
if((sendSize=send(sockfd,sendBuf,BUF_SIZE,0))==-1)
{
perror("send 失败");
}
//获取http应答信息
memset(recvBuf,0,sizeof(recvBuf));
memset(ch,0,sizeof(ch));
char pattern[128]={0};
while(recvSize=recv(sockfd,recvBuf,BUF_SIZE,0)>0)
{
//printf("%s",recvBuf);
strcat(ch,recvBuf);
memset(recvBuf,0,sizeof(recvBuf));
}
reptile_regex(ch);

return 0;
}

//第一个参数是要匹配的字符串,第二个参数是匹配的规则,返回匹配的个数
int reptile_regex(char* buf)
{
const char* pattern="<TITLE>.*<\\/TITLE>";
int cflags= REG_EXTENDED;
const size_t nmatch=10;//结构体数组长度
regmatch_t pm[10];//结构体数组 存放匹配文本串的位置信息
regex_t reg;//正则表达式指针
char* str;
str=buf;//str目标字符串
regcomp(&reg,pattern,0);//编译匹配模式
while(regexec(&reg,str,nmatch,pm,0)==0)
{
for(int j=pm[0].rm_so;j<pm[0].rm_eo;++j)
{
printf("%c",str[j]);
}

printf("\n");
str=str+pm[0].rm_eo;
}
regfree(&reg);
return 0;
} 

1个回答

caozhy
caozhy   Ds   Rxr 2016.01.29 21:42
 #include <regex.h>
这东西还有bug

建议你试试boost的regex 
admin_gt
admin_gt 谢谢 或许我找到了问题的方向
接近 2 年之前 回复
Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!