如果 getline 的 `size` 参数未重置为 0，则 Gnu 正则表达式会失败

Question

下面的代码由读取一堆文本文件的read_files()和使用 gnu regex 库对模式进行字符串匹配的match()函数组成。

在read_files()我使用getline()并将size参数设置为 0 以便getline()将以默认的 120 大小开始，然后根据需要增加

#include <limits.h> // for PATH_MAX
#include <regex.h>  // for regcomp, regerror, regexec, regfree, size_t, REG...
#include <stdio.h>  // for printf, fprintf, NULL, fclose, fopen, getline
#include <stdlib.h> // for exit, free, EXIT_FAILURE

int match(const char *regex_str, const char *str) {

    regex_t regex;
    int reti;
    char msgbuf[100];

    /* Compile regular expression */
    reti = regcomp(&regex, regex_str, REG_EXTENDED);
    if (reti) {
        fprintf(stderr, "Could not compile regex\n");
        exit(1);
    }

    /* Execute regular expression */
    reti = regexec(&regex, str, 0, NULL, 0);
    if (!reti) {
        return 1;
    } else if (reti == REG_NOMATCH) {
        return 0;
    } else {
        regerror(reti, &regex, msgbuf, sizeof(msgbuf));
        fprintf(stderr, "Regex match failed: %s\n", msgbuf);
        exit(1);
    }

    /* Free memory allocated to the pattern buffer by regcomp() */
    regfree(&regex);
}

void read_files() {

    size_t path_count = 2;
    char pathnames[2][PATH_MAX] = {"./tmp/test0.conf", "./tmp/test1.conf"};

    FILE *fp;
    char *line = NULL;
    size_t len = 0;
    ssize_t read_count;

    for (int i = 0; i < path_count; i++) {
        printf("opening file %s\n", pathnames[i]);

        fp = fopen(pathnames[i], "r");
        if (fp == NULL) {
            printf("internal error,couldn't open file %s\"}", pathnames[i]);
            exit(EXIT_FAILURE);
        }
        int linenum=1;
        while ((read_count = getline(&line, &len, fp)) != -1) {
            printf("%d: %s",linenum,line);
            linenum++;
        }
        printf("len: %zu\n", len);

        fclose(fp);
        // len=0; // this is the line that fixes the bug, if i reset len to 0 after reading the first file then everything works as expected, if i don't reset it then regex matching fails
        if (line)
            free(line);
    }
}

int main(int argc, char *argv[]) {
    read_files();

    if (!match("^[a-zA-Z0-9]+$", "jack")) {
        printf("input don't match\n");
    }
}

test0.conf 的内容

AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA

test1.conf 的内容

testing123

运行上述代码时，我得到以下输出：

opening file ./tmp/test0.conf
1: AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA
len: 240
opening file ./tmp/test1.conf
1: testing123
len: 240
input don't match

所以模式匹配失败，字符串“jack”实际上匹配。

您可以看到，在完成读取第一个文件后， len设置为 240，因此当getline再次为第二个文件执行时，它将读取缓冲区大小为240的文件，但这由于某种原因导致正则表达式匹配失败。

如果我在读取第一个文件后将len重置为 0 参数，则代码按预期工作（正则表达式匹配工作正常）。

那么为什么getline() len参数会影响 gnu 正则表达式的行为呢？

Answer 1

那么为什么 getline() len 参数会影响 gnu 正则表达式的行为呢？

正如玛丽安评论的那样，您使用getline不正确，导致它损坏堆。 您可以通过使用-fsanitize=address标志编译程序并运行它来观察这一点。 请参阅Address Sanitizer 手册以了解错误。

这是未定义的行为，您的程序可以做任何事情。 在这里，它恰好导致 GNU 正则表达式库停止正常工作。 SIGSEGV是另一个可能的结果。

要解决此问题，您应该将free调用移出循环，并且仅在完成读取行后才释放内存。

free后在循环中设置line = NULL是另一种可能（但效率较低）的修复方法。