美好的一天,我希望你能帮助我。我必须编写这个代码(在C中)下载网站的页面源并将其保存到html文件(我已经这样做了)。下一部分是使用保存的html文件从该站点提取文本。
我脑子里有这个算法步骤:
假设我们有一个包含以下内容的html文件:
<这里的东西><开始><文字>你好<文字> BYE! <结束>
从逻辑上讲,这是正确的吗? 作为编程的初学者,我总是会遇到错误。我编写了一个代码,但它总是导致分段错误。
请帮助我/告诉我我的代码有什么问题: 虚拟 - 包含html代码的文件
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <unistd.h>
#include <sys/types.h>
#include <sys/stat.h>
#include <time.h>
int get_fileSize(FILE*);
int main(){
FILE *dummy = fopen("Dummy2","r");
int filesize = get_fileSize(dummy);
printf("Size of dummy = %d Bytes.\n", filesize);
char *newString = (char*)malloc((sizeof(char*))*(filesize));
if(dummy){
fread(newString, sizeof(char*), filesize, dummy);
}
char *tempString = (char*)malloc((sizeof(char*))*(filesize));
char *finalString = (char*)malloc((sizeof(char*))*(filesize));
finalString = "\0";
tempString = strtok(newString, "<");
do{
//printf("%s\n",tempString);
tempString = strtok(NULL, ">");
if(tempString[1]!='<'){
sprintf(finalString,"%s%s",finalString,tempString);
}else continue;
}while(*(newString++)!='\0');
puts(finalString);
return 0;
}
int get_fileSize(FILE *dummy){
int size;
struct stat file;
fstat(fileno(dummy), &file);
size = file.st_size;
return size;
}
答案 0 :(得分:2)
第一个错误,只需看一眼您的代码就是sizeof(char*)
,而不只是char
char *newString = (char*)malloc((sizeof(char*))*(filesize));
应该是
char *newString = (char*)malloc((sizeof(char))*(filesize));
您不希望字符串中有指针,而是char
s。
您malloc
以上,永远不会致电free(newString)
,这意味着您至少有1次泄密,可能更多。
同样在这里:
fread(newString, sizeof(char*), filesize, dummy);
应该是:
fread(newString, sizeof(char), filesize, dummy);
finalString = "\n"; //reassigns the pointer to another string, doesn't write into allocated memory.
使用strcpy
将字符串复制到已分配的内存中。
答案 1 :(得分:1)
你的代码中有一些错误,比Tony The Lion的答案中提到的更严重。考虑一下:
char *tempString = (char*)malloc((sizeof(char*))*(filesize));
char *finalString = (char*)malloc((sizeof(char*))*(filesize));
finalString = "\0";
tempString = strtok(newString, "<");
最后两行有效地使前两个无用。您将常量字符串重新分配给变量。当你sprintf
到finalString
时,由于字符串是常量的(并存储在具有预定义大小的静态内存中,1个字符),因此会出现sig错误。
我建议使用一些标准的解析库。您必须注意,HTML并不总是格式正确,允许嵌套标记,必须忽略某些文本(例如内部script
,style
标记等等)。
如果你仍然想自己做,你最好通过输入,跟踪你是否在标签内,跳过这些字符,或在纯文本内,将此文本添加到类似你的finalString。
答案 2 :(得分:0)
如果您正在获取文件大小,请使用它来控制循环(读取文件并不能确保在您阅读的内容中有一个零字节):
for (toggle = 0, i = 0; i < filesize; ++i) {
if (filearray[ i ] == '<') toggle = 1;
else if (filearray[ i ] == '>' && toggle != 0) toggle = 0;
else if (!toggle) {
printf("\nText char '%c' at %d", filearray[ i ], i);
}
}