查找字符串中子字符串的所有實例

Question

在我的最后一個問題中，我問過如何解析HTML頁面中的鏈接。 由於尚未找到解決方案，因此我想在此期間嘗試了其他嘗試：搜索每個<a href= </a>為止。

現在，我的C有點生銹，但是我記得我可以使用strstr()來獲取該字符串的第一個實例，但是我如何得到其余的呢？

任何幫助表示贊賞。

PS：不。這不是學校作業或類似的作業。 請注意。

Answer 1

您可以使用循環：

char   *ptr = haystack;
size_t nlen = strlen (needle);

while (ptr != NULL) {
  ptr = strstr (ptr, needle);
  if (ptr != NULL) {
    // do whatever with ptr
    ptr += nlen;  // hat tip to @larsman
  }
}

Answer 2

為什么不使用內置了非常好的HTML解析器的libxml ？

Answer 3

好的，原始答案和我的評論似乎需要更多信息，而不是在評論部分中舒服，因此我決定創建一個新答案。

首先，您正在嘗試做的是一項編程任務，這將需要一定的編程才能，具體取決於您的實際需求。

其次，提供了一些答案，建議您使用char查找和正則表達式循環。 這兩種方法都是非常容易出錯的方法，例如此處討論的那樣。

如今，解析HTML / XML內容的通常方法是使用為此設計的外部庫。 實際上，這些庫目前已經成為一種標准，並且已經內置了許多編程語言。

對於您的特定需求，我對C和XPath都感到不滿意，但是它應該大致像這樣工作：

• 啟動XML / HTML解析器。
• 將HTML文檔作為字符串加載到其中
• 告訴解析器查找標簽的所有實例（使用XPath）
• 它將返回給您“一組節點”
• 循環處理節點集，並根據需要使用每個標簽

我發現了其他一些示例，也許這是更好的示例： http : //xmlsoft.org/example.html

如您所見，這里有一個XML文檔（沒關系，因為HTML只是XML的子集，所以您的HTML文檔也應該工作）。

在Python或類似語言中，這將非常容易，在某些偽代碼中，其外觀將如下所示：

p=new HTMLParser
p->load(my html document)
resultset=p->XPath_Search("//a") # this will find all A elements in the HTML document
for each result of resultset:
   write(result.href)
end for

這通常會寫出文檔中所有A元素的HREF部分。 例如， 這里提供了有關 XPath用途的不錯的教程。

恐怕在C語言中這會更加令人費解，但是想法是相同的，它是編程任務。

如果這是一些瑣碎的工作，則可以使用建議的strstr（）或正則表達式搜索，而無需外部庫。 但是，請記住，根據您的確切任務，您很可能會丟失許多傳出鏈接或誤讀其內容。

Answer 4

C字符串只是指向第一個字符的指針。 要獲得下一場比賽，只需再次調用它，然后將指針傳遞到您獲得的上一場比賽的結尾即可。

Answer 5

這是我會做的（未經測試，僅是我的主意）：

char* hRef_start  = "<a href=";
char* hRef_end    = "</a>";

假設您的文字在

char text[1000];
char * first = strstr(text , hRef_start);
if(first)
{
    char * last = strstr(first , hRef_end);
    if(last)
         last--;
    else
         //Error here.

    char * link = malloc((last - first + 2) * sizeof(char));
    copy_link(link , first , last);
}

void copy_link(char * link , const char * first , const char * last)
{

     while(first < last)
     {
           *link = *first;
           ++first;
     }
     *link = 0;
}

您應該檢查malloc()成功，並確保您free() ，並且還要在copy_link()上確保所有args都不為null 。