C语言链表实现HTML标签统计排序程序的问题排查

1. 标签重复计数问题（如span显示两次计数1） #

原因：标签提取时未统一大小写（比如<Span>和<span>被判定为不同标签），或是存储时未正确检查重复项，导致相同标签被多次插入。
修复：

• 提取标签名后统一转为小写（或大写），消除大小写差异
• 插入新标签前，遍历已存储的标签列表，用strcmp（统一大小写后）判断是否已存在，存在则直接累加计数，不存在再新增条目

示例代码（标签转小写）：

// 提取到标签名后，将所有字符转为小写
for (int i = 0; tag_name[i]; i++) {
    tag_name[i] = tolower((unsigned char)tag_name[i]);
}

2. 乱码/异常标签输出问题（如P/3、Pz▒▒） #

原因：提取标签时未过滤非字母数字字符，或是未给标签字符串添加终止符'\0'，导致内存中未初始化的垃圾数据被当作标签名输出。
修复：

• 提取标签内容时，仅保留<之后到空格/>之间的字母数字字符，遇到非字母数字直接停止提取
• 每个标签字符串末尾必须手动添加'\0'，确保字符串正确终止

示例代码（过滤有效字符）：

char tag_buf[64];
int pos = 0;
int c = fgetc(stdin);
// 跳过<之后的非字母数字字符（比如可能的/，如</div>）
while (c != EOF && !isalnum((unsigned char)c) && c != ' ' && c != '>') {
    c = fgetc(stdin);
}
// 提取有效标签字符
while (c != EOF && isalnum((unsigned char)c) && pos < sizeof(tag_buf)-1) {
    tag_buf[pos++] = c;
    c = fgetc(stdin);
}
tag_buf[pos] = '\0'; // 必须添加终止符

3. 降序排序错误+段错误问题 #

原因：排序比较函数逻辑错误（比如写成升序而非降序），或是排序时访问了未初始化的数组元素，亦或是未处理空标签列表的情况。
修复：

• 修正qsort的比较函数：降序排序时，若b的计数大于a，返回正数；反之返回负数
• 排序前检查标签列表的有效长度，避免对空数组或越界元素排序
• 确保排序的数组是已正确初始化的，没有野指针

示例代码（正确的降序比较函数）：

typedef struct {
    char *name;
    int count;
} Tag;

// 按计数降序排序的比较函数
int compare_by_count_desc(const void *a, const void *b) {
    const Tag *t1 = (const Tag *)a;
    const Tag *t2 = (const Tag *)b;
    return t2->count - t1->count;
}

// 调用排序前先判断是否有标签
if (tag_list_size > 0) {
    qsort(tag_list, tag_list_size, sizeof(Tag), compare_by_count_desc);
}

额外注意点 #

• 内存管理：动态分配的标签名要记得释放，避免内存泄漏
• 输入处理：要处理HTML中的换行、制表符等空白，避免误判标签的起始和结束位置
• 参数解析：如果-a和-n同时传入，要明确优先级（比如优先-n），或者提示参数冲突

内容的提问来源于stack exchange，提问作者goldengomi