定位给定文件中的所有子字符串实例答案

【问题标题】：locating all substring instances in a given file定位给定文件中的所有子字符串实例
【发布时间】：2012-08-17 01:32:34
【问题描述】：

我目前正在开发一个函数来查找 html 文件中引用的所有图像，目前我正在尝试在文件中查找这些子字符串：".bmp"".gif"".jpg"".png" 并且还想找到它们的根，例如：/images/foo/，然后使用这两个子字符串创建一个新字符串：/images/foo/bar.jpg 我知道我将如何连接字符串，但我不知道如何找到实际的子字符串，我觉得现在非常不知所措，非常感谢一些帮助。

【问题讨论】：

如果您可以假设格式正确的输入，则无需进行任何连接。只需找到子字符串，然后向后搜索，直到找到"。一旦找到，您只需根据找到的索引提取字符串。不过，最好使用 HTML 解析器。
使用 HTML 解析器并遍历所有 <img> 节点，收集 src 属性的值
@Doug：如果 HTML 文档使用不同的引号（例如 '）或根本没有引号或其他一些您没有考虑过的诡计，那将失败。如果包含 .jpg 或 .gif 的字符串出现在文档中的其他位置（属性值之外），它也会失败。
@Doug 我考虑过这一点，但这里有一个来自我的函数的部分谷歌检索示例：(//ssl.gstatic.com/gb/images/b8_3615d64d.png) 我最初的计划是是找到每个子字符串并返回到一个 / 连接但我现在看到即使这样也行不通......即使它在我的一生中都这样做了，并且难以理解我的前进方式找到每个子字符串的位置。
@NiklasB.：说得好。这就是为什么它被留下作为评论而不是答案:)。这里需要一个 HTML 解析器。

标签： c string substring

【解决方案1】：

这个问题的“正确”答案应该促使您使用为工作而构建的工具。聪明人写libxml之类的东西是有原因的。重新发明轮子只会让事情变得更加困难。例如，使用libxml，您可以轻松地遍历 XML 树，如下所示：

for (cur_node = a_node; cur_node; cur_node = cur_node->next) {
    if (cur_node->type == XML_ELEMENT_NODE) {
        printf("node type: Element, name: %s\n", cur_node->name);
}

“错误”的答案是想出一些“技巧”来查找图像字符串的开头，或者通过查找图像标记的开头 (<img) 或引用 "，正如 Doug 提到的那样在 cmets 中。

您会注意到我在引文中指出了正确和错误。我是个纯粹主义者，强烈建议使用面向 XML 的解决方案，因为它完全通用且易于扩展（明天您可能会说：哦，我还需要锚文本）。 DOM 解析器可以轻松解决每个后续问题。

但是，如果您正在做一个概念验证或原型（甚至可能是家庭作业），并且您没有在野外发布您的代码，那么“错误”的方法可能就足够了。

【讨论】：

哇，没想到libxml可以这么简单的使用。很棒的示例代码。
我只是在写一些代码，只是为了入门并测试我写的一些函数，我不需要重新发明轮子，而且 libxml 看起来可能是一个可靠的解决方案.