C语言中char与char*赋值警告及段错误问题排查

问题根源分析 #

• 类型不匹配：你在main中声明的urlStack是char*的数组（char* urlStack[]），但传递给locXMl时用了*urlStack，相当于把数组的第一个空指针传递给了期望接收字符指针的参数。在locXMl中，urlStack[stackIndex]被当作单个字符处理，而你试图赋值char*类型的URL，直接触发"integer from pointer without a cast"警告。
• 空数组访问：char* urlStack[] = {}是空指针数组，未分配任何存储空间，访问urlStack[stackIndex]会直接引发段错误。
• 局部指针无效：regSearch返回的是locXMl中局部数组fileData的指针，该数组每次循环都会被覆盖，函数退出后指针会变成野指针。
• 函数返回值错误：locXMl声明返回char但实际无返回值，属于未定义行为。

修复方案 #

1. 正确声明和传递URL数组 #

使用固定大小的指针数组（若能预估URL数量）或动态分配内存，这里以固定大小示例（最多存100个URL）。locXMl参数改为接收char** urlStack（指针的指针，即指针数组地址），同时传递数组最大容量避免越界。

2. 修复regSearch函数 #

匹配成功时提取<loc>标签内的URL内容而非整行指针，为提取的URL分配堆内存避免局部数组指针失效，匹配失败时返回NULL明确逻辑。

3. 内存管理与错误处理 #

在locXMl中检查数组是否已满，避免越界；使用完URL后释放内存防止泄漏；添加文件打开、正则编译、curl请求的错误提示。

4. 修正函数返回值 #

locXMl改为返回实际存储的URL数量，方便后续遍历处理。

完整修正代码 #

#include <stdio.h>
#include <curl/curl.h>
#include <string.h>
#include <regex.h>
#include <stdlib.h>

#define MAX_URLS 100
#define MAX_URL_LEN 256

int statusCode(char *addr);
char* regSearch(char* regPattern, char* hayStack);
int locXMl(char* fileName, char** urlStack, int maxUrls);

int main(int argc, char *argv[]) {
    char* urlStack[MAX_URLS] = {NULL}; // 初始化所有元素为NULL
    
    // 检查文件名是否指定
    if(argc < 2){
        printf("\nMissing file name.\n");
        return 1;
    }

    // 检查文件是否存在
    FILE *file;
    if((file = fopen(argv[1],"r")) == NULL )
    {
        printf("\nSpecified file does not exist\n");
        printf("\n%s\n",argv[1]);
        return 1;
    }
    fclose(file); // 提前关闭，locXMl会重新打开

    // 构建URL列表
    int urlCount = locXMl(argv[1], urlStack, MAX_URLS);
    if(urlCount == 0){
        printf("No URLs found in the XML file.\n");
        return 0;
    }

    // 遍历URL并检查状态码
    for(int i=0; i<urlCount; i++){
        if(urlStack[i]){
            int code = statusCode(urlStack[i]);
            printf("URL: %s -> Status Code: %d\n", urlStack[i], code);
            free(urlStack[i]); // 释放内存
        }
    }

    return 0;
}

int statusCode(char *addr){
    CURL *curl;
    CURLcode res;
    long response_code = 0;

    // 初始化curl
    curl_global_init(CURL_GLOBAL_DEFAULT);

    // 创建curl句柄
    curl = curl_easy_init();
    if (curl) {
        curl_easy_setopt(curl, CURLOPT_URL, addr);
        curl_easy_setopt(curl, CURLOPT_NOBODY, 1);
        curl_easy_setopt(curl, CURLOPT_FOLLOWLOCATION, 1); // 处理重定向

        res = curl_easy_perform(curl);
        if(res == CURLE_OK) {
            curl_easy_getinfo(curl, CURLINFO_RESPONSE_CODE, &response_code);
        } else {
            fprintf(stderr, "Failed to fetch URL: %s\n", curl_easy_strerror(res));
        }
        curl_easy_cleanup(curl);
    }

    // 清理全局curl资源
    curl_global_cleanup();
    return (int)response_code;
}

/* 使用正则提取XML中的URL */
char* regSearch(char* regPattern, char* hayStack) {
    regex_t regex;
    int reti;
    regmatch_t match[2]; // 第0个是整个匹配，第1个是捕获组内容
    char *pattern = regPattern;
    char *result = NULL;

    // 编译正则表达式，开启扩展模式支持捕获组
    reti = regcomp(&regex, pattern, REG_EXTENDED);
    if (reti) {
        fprintf(stderr, "Could not compile regex\n");
        return NULL;
    }

    // 执行正则，捕获<loc>标签内的URL
    reti = regexec(&regex, hayStack, 2, match, 0);
    if (!reti) {
        int urlLen = match[1].rm_eo - match[1].rm_so;
        if(urlLen > 0 && urlLen < MAX_URL_LEN){
            result = (char*)malloc(urlLen + 1);
            if(result){
                strncpy(result, hayStack + match[1].rm_so, urlLen);
                result[urlLen] = '\0'; // 确保字符串结尾
            }
        }
    } else if (reti != REG_NOMATCH) {
        fprintf(stderr, "Regex execution failed\n");
    }

    // 释放编译后的正则资源
    regfree(&regex);

    return result;
}

/* 从XML的loc元素中提取所有URL */
int locXMl(char* fileName, char** urlStack, int maxUrls){
    FILE *fptr;
    fptr = fopen(fileName,"r");
    if(!fptr){
        fprintf(stderr, "Failed to open file: %s\n", fileName);
        return 0;
    }

    char fileData[MAX_URL_LEN + 30]; // 预留标签长度
    int stackIndex = 0;

    while(fgets(fileData, sizeof(fileData), fptr) && stackIndex < maxUrls) {
        // 正则添加捕获组，直接提取标签内的URL
        char* url = regSearch("<loc>([^<]*)</loc>", fileData);
        if(url){
            urlStack[stackIndex] = url;
            stackIndex++;
        }
    }

    fclose(fptr);
    return stackIndex;
}

关键修改说明 #

• URL数组处理：main中声明固定大小的指针数组，传递时直接传数组名（退化为指针的指针），同时传入最大容量防止越界。
• 正则优化：修改正则表达式为<loc>([^<]*)</loc>，用捕获组直接提取标签内的URL，无需后续处理标签字符串。
• 内存分配：regSearch为提取的URL分配堆内存，确保指针在locXMl退出后仍有效。
• 错误处理：新增文件打开、正则编译、curl请求的错误提示，提升代码健壮性。
• 内存释放：遍历URL后释放每个URL的内存，避免内存泄漏。

内容的提问来源于stack exchange，提问作者genx