pcrec语言
❶ 如何优雅地使用c语言编写爬虫
前言
大家在平时或多或少地都会有编写网络爬虫的需求。一般来说，编写爬虫的首选自然非python莫属，除此之外，java等语言也是不错的选择。选择上述语言的原因不仅仅在于它们均有非常不错的网络请求库和字符串处理库，还在于基于上述语言的爬虫框架非常之多和完善。良好的爬虫框架可以确保爬虫程序的稳定性，以及编写程序的便捷性。所以，这个cspider爬虫库的使命在于，我们能够使用c语言，依然能够优雅地编写爬虫程序。
爬虫的特性
配置方便。使用一句设置函数，即可定义user agent，cookie，timeout，proxy以及抓取线程和解析线程的最大数量。
程序逻辑独立。用户可以分别定义爬虫的解析函数，和数据持久化函数。并且对于解析到的新url，用户可以使用cspider提供的addUrl函数，将其加入到任务队列中。
便捷的字符串处理。cspider中提供了基于pcre的简单的正则表达式函数，基于libxml2的xpath解析函数，以及用于解析json的cJSON库。
高效的抓取。cspider基于libuv调度抓取线程和解析线程，使用curl作为其网络请求库。
使用cspider的步骤
获取cspider_t。
自定义user agent，cookie，timeout，proxy以及抓取线程和解析线程的最大数量。
添加初始要抓取的url到任务队列。
编写解析函数和数据持久化函数。
启动爬虫。
例子
先来看下简单的爬虫例子，会在后面详细讲解例子。
#include<cspider/spider.h>
/*
自定义的解析函数，d为获取到的html页面字符串
*/
void p(cspider_t *cspider, char *d, void *user_data) {
char *get[100];
//xpath解析html
int size = xpath(d, "//body/div[@class='wrap']/div[@class='sort-column area']/div[@class='column-bd cfix']/ul[@class='st-list cfix']/li/strong/a", get， 100);
int i;
for (i = 0; i < size; i++) {
//将获取到的电影名称，持久化
saveString(cspider, get[i]);
}
}
/*
数据持久化函数，对上面解析函数中调用的saveString()函数传入的数据，进行进一步的保存
*/
void s(void *str, void *user_data) {
char *get = (char *)str;
FILE *file = (FILE*)user_data;
fprintf(file, "%s\n", get);
return;
}
int main() {
//初始化spider
cspider_t *spider = init_cspider();
char *agent = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.10; rv:42.0) Gecko/20100101 Firefox/42.0";
//char *cookie = "bid=s3/yuH5Jd/I; ll=108288; viewed=1130500_24708145_6433169_4843567_1767120_5318823_1899158_1271597; __utma=30149280.927537245.1446813674.1446983217.1449139583.4; __utmz=30149280.1449139583.4.4.utmcsr=accounts.douban.com|utmccn=(referral)|utmcmd=referral|utmcct=/login; ps=y; [email protected]; dbcl2=58742090:QgZ2PSLiDLQ; ck=T9Wn; push_noty_num=0; push_doumail_num=7; ap=1; __utmb=30149280.0.10.1449139583; __utmc=30149280";
//设置要抓取页面的url
cs_setopt_url(spider, "so.tv.sohu.com/list_p1100_p20_p3_u5185_u5730_p40_p5_p6_p77_p80_p9_2d1_p101_p11.html");
//设置user agent
cs_setopt_useragent(spider, agent);
//cs_setopt_cookie(spider, cookie);
//传入解析函数和数据持久化函数的指针
cs_setopt_process(spider, p, NULL);
//s函数的user_data指针指向stdout
cs_setopt_save(spider, s, stdout);
//设置线程数量
cs_setopt_threadnum(spider, DOWNLOAD, 2);
cs_setopt_threadnum(spider, SAVE, 2);
//FILE *fp = fopen("log", "wb+");
//cs_setopt_logfile(spider, fp);
//开始爬虫
return cs_run(spider);
}
例子讲解
cspider_t *spider = init_cspider();获取初始的cspider。cs_setopt_xxx这类函数可以用来进行初始化设置。其中要注意的是: cs_setopt_process(spider,p,NULL);与cs_setopt_save(spider,s,stdout);，它们分别设置了解析函数p和数据持久化函数s，这两个函数需要用户自己实现，还有用户自定义的指向上下文信息user_data的指针。
在解析函数中，用户要定义解析的规则，并对解析得到的字符串可以调用saveString进行持久化，或者是调用addUrl将url加入到任务队列中。在saveString中传入的字符串会在用户自定义的数据持久函数中得到处理。此时，用户可以选择输出到文件或数据库等。
最后调用cs_run(spider)即可启动爬虫。
具体的API参数可在这里查看
总结
赶快使用cspider爬虫框架来编写爬虫吧！如果在使用过程中发现bug，欢迎反馈。
望采纳，谢谢
❷ C语言的正则表达式相关提问。
prce是着名的开源正则库，源码是C。包括php，perl，python等语言都在直接或间接使用该库。
pcre *re 指向整个库对象或结构体的指针，
pcre 意思Perl Compatible Regular Expressions，perl语言兼容型正则(库)
re意思regular expression正则
头文件、源码去pcre官网下载。
头文件的详解，就要看文档，学习调用和使用该库。
文档都写着。
另外这个库是为开发者准备的正则中间件，嵌入程序中，使程序能解析正则。
不是专为正则的初学者练习正则而设置。学习文档会不少，
需要熟练整个c库操作流程和常用原理后直接去看源码。
❸ 如何在线安装pcre
pcre是一个c语言正规匹配库根据不同的发行版所提供的工具有不同的检查方法比如debian系可以使用dpkg来查看比如使用dpkg -l | grep pcre 通过grep匹配然后从输出的列表中查找是否有相应安装的东西比如arch可以使用pacman -Qs来进行检查gentoo可以使用emerge -pl查看等等总之不同的发行版查询的方法不同另一方面也可以使用man或者info这种方法间接查询，虽然并不太准备但也不失一种方法比如使用man pcre_exec或者info pcre，如果没有结果可能就没有安装或者也可以去/usr/include目录下查看是否有pcre.h这个头文件以及到/lib或者/usr/lib等等地方查看是否有相关库以及使用gcc编译一个使用了pcre库的源代码使用-lpcre参数进行链接查看当然这些方法并不准备，只能作为参考，还是应该熟悉自己发行版所提供的工具一般为包管理工具
❹ c语言 正则库 pcre 教程 （windows环境）
1、编译PCRE正则表达式库
（1） （MinGW + MSYS）
将PCRE源码包直接拷贝到MSYS目录下，（如：C:\MSYS\1.0\pcre\）
运行msys.bat启动MSYS，
在命令行输入
cd / // 回根目录
cd pcre // 进入PCRE目录
./configure // 配置编译
make // 编译全部
完成后，会在C:\MSYS\1.0\pcre\.libs\ 下生成所需要的文件：
libpcre-0.dll // PCRE的动态链接库
libpcre.dll.a // 调用PCRE动态链接库所用的LIB
libpcre.a // PCRE静态链接库
再配合上C:\MSYS\1.0\pcre\目录下的"pcre.h"，就可以在程序中加入正则表达式支持了:)
（2） （于windows平台手动编译pcre，转载）
将 config.h.generic 重命名为 config.h
设置其中的 HAVE_BCOPY 参数为 0 (因为windows平台无b()函数)
重命名 pcre.h.generic 为 pcre.h.
重命名 pcre_chartables.c.dist 为 pcre_chartables.c.
编译 dftables.c 成可执行文件，要加入参数 -DHAVE_CONFIG_H，以便导入 config.h 文件中的设置
/* 重命名 pcre_chartables.c.dist 为 pcre_chartables.c */
运行编译的可执行文件 dftables.exe ，参数为 pcre_chartables.c
即 dftables.exe pcre_chartables.c
新建工程，包含下列文件，编译成lib文件即可
pcre_internal.h
ucp.h
ucpinternal.h
ucptable.h
pcre_chartables.c
pcre_compile.c
pcre_config.c
pcre_dfa_exec.c
pcre_exec.c
pcre_fullinfo.c
pcre_get.c
pcre_globals.c
pcre_info.c
pcre_maketables.c
pcre_newline.c
pcre_ord2utf8.c
pcre_refcount.c
pcre_study.c
pcre_tables.c
pcre_try_flipped.c
pcre_ucp_searchfuncs.c
pcre_valid_utf8.c
pcre_version.c
pcre_xclass.c
这样就可以生成 libpcre.a 文件了 (vc,bcc生成的是pcre.lib，大同小异)
2、使用生成的 libpcre.a （静态链接库）
在你的程序中添加：
#define PCRE_STATIC // 开启静态链接库支持（一定要添加该行，否则无法使用静态链接库）
#include "pcre.h" // PCRE头文件
并且添加 libpcre.a 到工程中，然后就可以在程序中使用PCRE函数了：）
编译选项 添加 /MT ,无头文件预编译.
3、使用生成的 libpcre-0.dll 和 libpcre.dll.a （动态链接库）
在你的程序中添加：
#include "pcre.h" // PCRE头文件
并且添加 libpcre.dll.a 到工程中，然后就可以在程序中使用PCRE函数了：）
================================================================================
命令行下的批处理解决方法 .如果已经下载,可以不用第一行.
goto START
首先确保控制台环境中有：
1、VC6命令行编译环境
2、wget.exe、unzip.exe、sed.exe、mv.exe
然后执行这个批处理文件，就可以得到VC版本的pcr.lib。
:START
wget ftp://ftp.csx.cam.ac.uk/pub/software/programming/pcre/pcre-7.7.zip
unzip pcre-7.7.zip
cd pcre-7.7
sed -e "s/#define HAVE_BCOPY 1/#define HAVE_BCOPY 0/g" config.h.generic > config.h
mv pcre.h.generic pcre.h
mv pcre_chartables.c.dist pcre_chartables.c
cl -MD -DHAVE_CONFIG_H dftables.c
dftables.exe pcre_chartables.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_chartables.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_compile.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_config.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_dfa_exec.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_exec.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_fullinfo.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_get.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_globals.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_info.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_maketables.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_newline.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_ord2utf8.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_refcount.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_study.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_tables.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_try_flipped.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_ucp_searchfuncs.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_valid_utf8.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_version.c
cl -O1 -MD -DHAVE_CONFIG_H -c pcre_xclass.c
lib -out:libpcr.lib pcre_chartables.obj pcre_compile.obj pcre_config.obj pcre_dfa_exec.obj pcre_exec.obj pcre_fullinfo.obj pcre_get.obj pcre_globals.obj pcre_info.obj pcre_maketables.obj pcre_newline.obj pcre_ord2utf8.obj pcre_refcount.obj pcre_study.obj pcre_tables.obj pcre_try_flipped.obj pcre_ucp_searchfuncs.obj pcre_valid_utf8.obj pcre_version.obj pcre_xclass.obj
这样就出来了: pcre.h + libpcr.lib
==============================================================================
最近使用VC编译了一下她的源代码，其实步骤很简单， 如下
1 一些源文件改名
config.h.generic 改名为 config.h (注意里面的配置)
pcre.h.generic 改名为 pcre.h
pcre_chartables.c.dist 改名为 pcre_chartables.c
2 建立VC工程
建立一个VC的DLL工程，去掉原有的包含文件
将PCRE的所有pcre_*.c都加进去, pcre后面没有_的不要加, 后缀名是.cc的不要加
可以参考上面的.还有.h 文件也是要的.
3 修改工程设置
增加工程预编译宏 HAVE_CONFIG_H
不使用预编译头 Not Using Precompiled Headers
编译选项 添加 /MT
OK 完成以上三步，就可以在 VC 上编译通过了。
4 编译结果
使用时只需要编译出来的 .DLL .Lib 和 源代码目录的 pcre.h
❺ 这个c语言题目怎么在子函数里换字符串
图片看得并不是太清楚
大概看清是字符串替换
其实字符串替换注意的就是替换后的长度与替换前长度的不同
如果替换后的长度比替换前的长度要长则原有存储字符串的数组就会溢出
所以需要替换时动态更改数组大小
下面是我曾经写的一个简单的代码
它可以进行字符串替换
并且还简单地支持正则表达式来对字符串进行替换
#include<stdio.h>
#include<string.h>
#include<stdlib.h>
#include<pcre.h>
char*strrep(constchar*str,constchar*need,constchar*repto,intsub)
{
pcre*re;
constchar*errptr;
interroffset;
int*ovector;
intsrc_len=strlen(str);//要处理的字符串的长度
intrep_len=strlen(repto);//要替换的字符串的长度
intoffset=0;//匹配后在字符串中的偏移量
char*res=NULL;//保存最终结果
intres_len=0;//替换后的字符串的长度
intlen;//当前已替换后的字符串的长度
char*temp;//临时变量
if((ovector=malloc(sizeof(int)*(sub+1)*3))==NULL)//开辟足够大的内存来保存匹配后的偏移量
returnNULL;
if((re=pcre_compile(need,0,&errptr,&erroffset,NULL))==NULL)
returnNULL;
while(pcre_exec(re,NULL,str,src_len,offset,0,ovector,(sub+1)*3)>0)//循环匹配，不然只能匹配到一个结果
{
res_len+=ovector[sub*2]-offset+rep_len;//计算当前替换后字符串的长度
if(res)
{
len=strlen(res);
temp=malloc(sizeof(char)*len+1);
snprintf(temp,len+1,"%s",res);
free(res);//临时保存之前替换的结果
res=malloc(sizeof(char)*res_len+1);
snprintf(res,len+1,"%s",temp);
free(temp);//增大内存
strncat(res,str+offset,ovector[sub*2]-offset);//将不需要替换的字符串复制
strncat(res,repto,rep_len);//进行替换
}
else
{
res=malloc(sizeof(char)*res_len+1);//第一次匹配
snprintf(res,ovector[sub*2]+1,"%s",str);//复制不需要替换的字符串
strncat(res,repto,rep_len);//进行替换
}
offset=ovector[sub*2+1];//增加偏移量，进行下一循环
}
if(offset!=0&&offset<src_len)//如果所替换的字符串后面还有数据则进行复制
{
temp=malloc(sizeof(char)*res_len+1);
snprintf(temp,res_len+1,"%s",res);
free(res);
res=malloc(sizeof(char)*res_len+src_len-offset+1);
snprintf(res,res_len+src_len-offset+1,"%s%s",temp,str+offset);
free(temp);
}
pcre_free(re);//这里的两个地方是让我头痛了一阵的地方，释放的时候总是出现不“科学”的事情，后来发现是开辟内存时没有指定类型导致出错（前面的sizeof）这里特意注释下
free(ovector);
returnres;
}
intmain(intargc,char**argv)
{
char*res;
constchar*src="<title>1234</title>456</title><title>789</title><title>fjdsklfjdsklf</title>";
res=strrep(src,"<title>(.*?)</title>","替换后的结果",1);
if(res==NULL)
printf("%s ",src);
else
{
printf("%s ",res);
free(res);
}
return0;
}
❻ 怎么通过C语言读取网页里面的数据
简单的请求格式
GET /index.php HTTP/1.0
host:www.zixue7.com
当我们和服务器连接上之后，发送上面的数据过去，服务器就会返回 index.php 这个页面给我们。
GET 这个 是表示 以什么方式请求，HTTP中还有很多其他的请求方式，常用的就 GET POST （更详细的 可以点开上面 http协议 那个链接）
GET 后面紧跟一个空格 然后 给出，要获取的资源的名称， /index.php 就表示获取网站服务器根目录下 index.php 执行后所产生的内容，我们也可以改成 GET / HTTP/1.0 这就表示获取默认首页的内容 。 GET /1.html HTTP/1.0 就是获取 服务器根目录下 1.html的内容，很容易理解吧。
接下来隔一个空格 跟上 HTTP/1.0 表示 http协议的版本，这个是固定的 。
第二行 host:www.zixue7.com 用来指定 访问哪个主机。 大家都知道，一个服务器可以放很多个网站，每个网站有不同的域名，所以我们需要用这个host来指定 我们要访问的是哪个网站，这样 才能正确得访问到我们想访问的网站。
第一步，连接服务器。
第二步，按照http协议，发送请求数据，然后就是接受返回的内容。
没错，就这么简单。
在编写程序之前，我们先用一个小工具来模拟一下这个过程，好让我们对http协议了解更深入一些。
telnet工具 如果是 win7下的朋友 猛戳这里-->win7开启telnet功能
到此为止，我假设大家电脑上已经开启了 telnet功能，正题开始。
telnet 他是一个基于tcp/ip 协议的程序，为我们用户提供一个 与其他电脑通信的工具，我们可以使用他来和其他电脑进行连接通信。
开始->运行->输入telnet回车, 出现一个黑框如下。
我们这时就可以输入命令，来连接远程主机，比如我们这次是要连接我们自学去论坛 的服务器，
那么我们就输入 open www.zixue7.com 80 然后回车。
open 是打开的意思 后面跟上 要打开那个主机 然后 后面跟上端口， web服务器默认使用的是80端口，所以 要加上80端口（不加端口 telnet默认是23端口）。
然后会出现下图的情况，这时候 我们就可以输入命令了，输入的命令都将被发送到自学去论坛的服务器上面。大家注意一下 下图红色箭头所指出的部分，那里就是一个输入光标，不用管其他的字。
这就代表 我们已经和远程主机连接上了，就相当于我们上节课中 客户端执行到 connect 函数 之后 就是要调用 send函数发送数据了，在这里 我们只需要按键盘输入到黑色窗口中 就会发送到服务端。
我们依次输入以下内容，（注意，不能按退格，输入错误了，就重新打开telnet，重新操作。）
❼ 怎么检查 linux是否安装 pcre
1、连接上相应的linux主机，进入到等待输入shell指令的linux命令行状态下。
❽ 除了pcre，支持linux c语言的正则表达式库有哪些
REEC我没用过，我平时用的是#include <regex.h>
原来写过一个代码例子在csdn上面，C 和C++都能用
http://download.csdn.net/detail/ace_fei/4722736
❾ C语言，如何对网页进行操作
首先，你这个想法还是很不错的，我以前也想这么做过。不过，学习html语言在这里肯定是次要的，主要的还是要学会分析的方法，而不是掌握被分析的内容，你说是吧？如果要用程序抓取网页自动保存到本地，就要会用socket编程，或者学习使用libcurl库，这些都比学html语言有用的多，不做网页抓取的时候，这些知识依然非常有用。而且，不同的网页，内容不同，规律可能也不同。比如你给的那个例子网址，我右键查看了源代码，里面就根本没有所谓的<td>、<tr>标签，即它的表格不是通过这些标签来实现的。所以，让你去看这些标签，就是南辕北辙了。网页分析，说到底还是字符串处理和分析。所以，你如果真的想学，不如好好学一下正则表达式和字符串处理相关的函数，以及函数库，比如tidy库等。正则表达式是用来匹配一类字符串的，方便找规律，也方便处理，你稍微学习一点点就知道有多么的强大，多么的有用了。而且，正则表达式跟语言无关，什么语言都能用得到，学这个不亏的。标准C库中没有正则表达式相关的函数，一般来说C中使用两种正则表达式库，一为POSIX
C正则库，二为perl正则库PCRE。相比较而言PCRE要强大些，POSIX
C正则库就足够使用。下面，这几个链接里面有网页分析的一些例子，虽然不都是C语言来处理的。但是，思路都是一致的。
所以，说到底，还是正则表达式、正则函数库、字符串处理函数这些才是根本。先说这些，希望对你有所帮助。如果你在学习过程中还有什么问题，欢迎随时交流:)C#的: http://www.jb51.net/article/16618.htmC#的: http://mytiu.blog.163.com/blog/static/1059718452009127112226478/这里还有一段C语言的代码,
是将下载下来的网页源代码处理成没有标签的纯文字文本#include
<tidy.h>#include
<buffio.h>#include
<stdio.h>#include
<errno.h>int
main(int
argc,
char
**argv
){const
char*
input
=
"<title>Foo</title>
Foo!";TidyBuffer
output
=
{0};TidyBuffer
errbuf
=
{0};int
rc
=
-1;Bool
ok;TidyDoc
tdoc
=
tidyCreate();
//
Initialize
"document"printf(
"Tidying:\t%s\n",
input
);ok
=
tidyOptSetBool(
tdoc,
TidyXhtmlOut,
yes
);
//
Convert
to
XHTMLif
(
ok
)rc
=
tidySetErrorBuffer(
tdoc,
&errbuf
);
//
Capture
diagnosticsif
(
rc
>=
0
)rc
=
tidyParseString(
tdoc,
input
);
//
Parse
the
inputif
(
rc
>=
0
)rc
=
tidyCleanAndRepair(
tdoc
);
//
Tidy
it
up!if
(
rc
>=
0
)rc
=
tidyRunDiagnostics(
tdoc
);
//
Kvetchif
(
rc
>
1
)
//
If
error,
force
output.rc
=
(
tidyOptSetBool(tdoc,
TidyForceOutput,
yes)
?
rc
:
-1
);if
(
rc
>=
0
)rc
=
tidySaveBuffer(
tdoc,
&output
);
//
Pretty
Printif
(
rc
>=
0
){if
(
rc
>
0
)printf(
"\nDiagnostics:\n\n%s",
errbuf.bp
);printf(
"\nAnd
here
is
the
result:\n\n%s",
output.bp
);}elseprintf(
"A
severe
error
(%d)
occurred.\n",
rc
);tidyBufFree(
&output
);tidyBufFree(
&errbuf
);tidyRelease(
tdoc
);return
rc;}