c - 从 HTML 文件中提取纯文本

Question

你好，我希望你能帮助我。我必须编写这段代码(用 C 语言)来下载网站的页面源并将其保存到 html 文件中(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 html 文件包含:

< something here >< start >< text > 你好 < text > 再见! <结束>

1. 找到“”字符串，跳过“”字符串。 (这可以用 strstr() 来实现)
2. 将指针指向“”的第一个“>”。 (使用 strchr()？？)
3. 检查字符串中的下一个字符是否为“<”:(忽略空格)a.) 如果是，将指针设置为下一个“>”。重复检查 (3)。b.) 如果不是，获取字符串直到下一个“<”。然后将其存储(附加)到一个大字符串。
4. 最后，我想将字符串保存到 file.txt。 (fwite？或 fopen() 中的选项 a+)。

从逻辑上讲，这是正确的吧？作为编程的初学者，我总是会出错。我写了一个代码，但它总是导致段错误。

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;

    }

Answer 1

第一个错误，看一眼你的代码就是你执行了 sizeof(char*) 而不是 char

char *newString = (char*)malloc((sizeof(char*))*(filesize));

应该是

char *newString = (char*)malloc((sizeof(char))*(filesize));

您不想在字符串中使用指针，而是使用 char。

你 malloc 上面的代码并且从不调用 free(newString)，这意味着你至少有 1 个泄漏，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 将字符串复制到分配的内存中。