Question

我有这个C ++程序（实际上它只是一个片段）：

#include <iostream>
#include <pcre.h>
#include <string>

using namespace std;

int main(){    
    string pattern = "<a\\s+href\\s*=\\s*\"([^\"]+)\"",
           html = "<html>\n"
                  "<body>\n"
                  "<a href=\"example_link_1\"/>\n"
                  "<a href=\"example_link_2\"/>\n"
                  "<a href=\"example_link_3\"/>\n"
                  "</body>\n"
                  "</html>";
    int            i, ccount, rc,
                *offsets,
                 eoffset;
    const char  *error;
    pcre         *compiled;

    compiled = pcre_compile( pattern.c_str(), PCRE_CASELESS | PCRE_MULTILINE, &error, &eoffset, 0 );
    if( !compiled ){
        cerr << "Error compiling the regexp!!" << endl;
        return 0;
    }

    rc = pcre_fullinfo( compiled, 0, PCRE_INFO_CAPTURECOUNT, &ccount );

    offsets = new int[ 3 * (ccount + 1) ];

    rc = pcre_exec( compiled, 0, html.c_str(), html.length(), 0, 0, offsets, 3 * (ccount + 1) );

    if( rc >= 0 ){
        for( i = 1; i < rc; ++i ){
            cout << "Match : " << html.substr( offsets[2*i], offsets[2*i+1] - offsets[2*i] ) << endl;
        }
    }
    else{
        cout << "Sorry, no matches!" << endl;
    }

    delete [] offsets;

    return 0;
}

正如您所看到的，我正在尝试将缓冲区内的html链接与给定的正则表达式进行匹配（\\s \s为C / C ++字符串进行了转义）。但是，即使在缓冲区中有3个链接并且使用PCRE_CASELESS和PCRE_MULTILINE标志编译regexp，我只匹配一个元素：

Match : example_link_1

注意：我从索引1开始循环，因为pcre库返回匹配的字符串（不是匹配本身）作为第一个元素，然后匹配。

这段代码有什么问题？正则表达式本身我认为它是正确的（例如在PHP中尝试过）。

Answer 1

好吧，它不应该返回所有比赛。想想看，你要求capturecount，就像一两个（也就是说，整个匹配和一个子表达式，或者只是子表达式，我不记得了，我猜两个）。你怎么能指望它知道你从未传递给它的字符串中有多少匹配？并且你不希望这个东西在数组中返回三个匹配，对吗？如果你有三千人？

我处理pcre api已经有一段时间了，但我认为你需要再次循环并匹配其余字符串。

PCRE多线匹配问题

1 个答案: