正则表达式是处理字符串的强大工具，它能够帮助我们高效地进行文本匹配、查找、替换等操作。在C语言中，我们可以利用正则表达式库如POSIX regex或PCRE（Perl Compatible Regular Expressions）来实现复杂字符串处理。本文将探讨如何使用C语言和正则表达式轻松提取HTML中的img标签源地址并进行替换。

1. 正则表达式基础

在开始之前，让我们先回顾一下正则表达式的基础知识。正则表达式由字符集、量词、分组和修饰符等组成，以下是一些常用的正则表达式符号：

  • .：匹配除换行符以外的任意单个字符。
  • *：匹配前面的子表达式零次或多次。
  • +：匹配前面的子表达式一次或多次。
  • ?：匹配前面的子表达式零次或一次。
  • ()：标记一个子表达式的开始和结束位置，子表达式可以获取供以后使用。
  • []：匹配括号内的任意一个字符（字符集）。

2. 提取img标签源地址

首先，我们需要编写一个函数来提取HTML中的img标签源地址。以下是一个简单的C语言代码示例：

#include <stdio.h>
#include <regex.h>

void extractImageSrc(const char *html, const char *pattern, char *result) {
    regex_t regex;
    int reti;
    char *match;

    // 编译正则表达式
    reti = regcomp(&regex, pattern, REG_EXTENDED);
    if (reti) {
        fprintf(stderr, "Could not compile regex\n");
        exit(1);
    }

    // 执行匹配
    reti = regexec(&regex, html, 0, NULL, 0);
    if (!reti) {
        // 匹配成功
        regfree(&regex);
        return;
    } else if (reti == REG_NOMATCH) {
        printf("No match found.\n");
    } else {
        char msgbuf[100];
        regerror(reti, &regex, msgbuf, sizeof(msgbuf));
        fprintf(stderr, "Regex match failed: %s\n", msgbuf);
    }

    // 获取匹配结果
    regfree(&regex);
    match = strtok(html, ">");
    while (match != NULL) {
        if (strncmp(match, "img", 3) == 0) {
            char *src = strstr(match, "src=\"");
            if (src) {
                char *end = strstr(src, "\"");
                if (end) {
                    *end = '\0';
                    strcpy(result, src + 5);
                    break;
                }
            }
        }
        match = strtok(NULL, ">");
    }
}

int main() {
    const char *html = "<img src=\"https://example.com/image1.jpg\" alt=\"Image 1\">"
                       "<img src=\"https://example.com/image2.jpg\" alt=\"Image 2\">";

    char result[256];
    extractImageSrc(html, "<img[^>]*src=\"([^\"]+)\"", result);
    printf("Extracted Image Source: %s\n", result);

    return 0;
}

在上述代码中，我们定义了一个extractImageSrc函数，它接受HTML内容、正则表达式模式和结果字符串作为参数。函数使用POSIX regex库中的regcomp和regexec函数来编译和执行正则表达式匹配。

3. 替换img标签源地址

提取img标签源地址后，我们可以轻松地对它们进行替换。以下是一个示例：

void replaceImageSrc(const char *html, const char *oldSrc, const char *newSrc) {
    char result[256];
    char *pos = strstr(html, oldSrc);
    if (pos) {
        *pos = '\0';
        strcat(result, html);
        strcat(result, newSrc);
        strcat(result, pos + strlen(oldSrc));
        printf("Replaced Image Source: %s\n", result);
    } else {
        printf("Old source not found.\n");
    }
}

int main() {
    const char *html = "<img src=\"https://example.com/image1.jpg\" alt=\"Image 1\">"
                       "<img src=\"https://example.com/image2.jpg\" alt=\"Image 2\">";

    replaceImageSrc(html, "https://example.com/image1.jpg", "https://newdomain.com/image1.jpg");

    return 0;
}

在这个示例中，replaceImageSrc函数使用strstr函数来查找旧源地址，并将其替换为新源地址。

4. 总结

通过以上示例，我们展示了如何使用C语言和正则表达式轻松提取和替换HTML中的img标签源地址。正则表达式在字符串处理方面具有强大功能，可以应用于各种场景，如网页抓取、文本处理和日志分析等。掌握正则表达式将使你在处理字符串时更加得心应手。