Regex与strncpy未按预期工作，C语言代码问题求助

遇到的问题 #

• 处理包含多行多URL的文件时，正则匹配循环无限运行
• 处理单行单URL文件时，Valgrind提示matches[count] = malloc(sizeof(char) * match_length);和matches[count][match_length] = 0;存在Invalid size 1 write错误，且sizeof(matches)/sizeof(matches[0])结果恒为1
• 误解strncpy会自动在字符串末尾添加空字节
• 匹配结果包含换行符，需手动置0才能去除

问题原因与修复方案 #

1. 正则循环无限运行 #

原代码中do-while循环里，下一次regexec调用使用line + match.rm_eo + 1作为起始位置，跳过了当前匹配的结束字符，可能导致重复匹配同一区域，引发死循环。同时初始的if (regexec(...)) continue;逻辑冗余，易导致匹配流程混乱。

修复：
改用单while循环，每次将匹配起始偏移量更新为当前匹配的结束位置，确保每次匹配从上次结束处开始，避免重复或遗漏。

2. 内存越界错误 #

malloc(sizeof(char) * match_length)仅分配了match_length个字节，但matches[count][match_length] = 0;是往索引match_length的位置写入（数组索引从0开始，有效范围是0到match_length-1），属于越界访问。另外，matches是指针而非数组，sizeof(matches)/sizeof(matches[0])永远等于1（指针大小除以指针大小），不能用该表达式判断数组长度，必须依赖手动维护的count和size变量。

修复：
分配内存时预留空终止符位置：malloc(sizeof(char) * (match_length + 1))，确保写入空字节时不会越界。

3. strncpy的误解 #

strncpy的行为是：若源字符串长度小于指定长度，会用空字节填充至指定长度；若源字符串长度大于等于指定长度，仅复制指定长度的字符，不会自动添加空终止符。必须手动添加空字节以保证字符串合法。

修复：
复制完成后手动写入'\0'，或使用strndup（系统支持时）自动处理空终止符。

4. 匹配结果含换行符 #

原正则表达式[[:alnum:][:punct:]]+会匹配到行尾的换行符（换行符不属于[:punct:]，但实际匹配中可能因行尾字符边界问题被包含），导致结果带换行。

修复：
修正正则表达式，在末尾添加[^[:space:]]，确保匹配到URL末尾时停止，排除空格、换行等空白字符。

修复后的完整代码 #

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

int extract_urls(FILE *file) {
    // 初始化动态匹配结果数组，初始容量为1
    char **matches = malloc(sizeof(char *));
    if (!matches) return 0;
    
    char *line = NULL;
    size_t line_capacity = 0;
    size_t count = 0, size = 1;
    ssize_t read_len;

    regex_t rgx;
    // 修正正则：排除空白字符，避免匹配换行符
    int reg_err = regcomp(&rgx, "((gopher|https?)://[[:alnum:][:punct:]]+[^[:space:]])", REG_ICASE | REG_EXTENDED);
    if (reg_err != 0) {
        free(matches);
        return 0;
    }

    while ((read_len = getline(&line, &line_capacity, file)) != -1) {
        regmatch_t match;
        int offset = 0;
        int error;

        // 循环匹配当前行内所有URL
        while ((error = regexec(&rgx, line + offset, 1, &match, 0)) == 0) {
            int match_start = match.rm_so + offset;
            int match_end = match.rm_eo + offset;
            int match_length = match_end - match_start;

            // 分配含空终止符的内存空间
            matches[count] = malloc(sizeof(char) * (match_length + 1));
            if (!matches[count]) {
                // 内存分配失败，清理已分配资源
                for (size_t i = 0; i < count; i++) free(matches[i]);
                free(matches);
                regfree(&rgx);
                free(line);
                return 0;
            }

            // 复制匹配内容并手动添加空终止符
            strncpy(matches[count], line + match_start, match_length);
            matches[count][match_length] = '\0';

            // 动态扩容数组
            count++;
            if (count == size) {
                size *= 2;
                char **temp = realloc(matches, sizeof(char *) * size);
                if (!temp) {
                    // 扩容失败，清理资源
                    for (size_t i = 0; i < count; i++) free(matches[i]);
                    free(matches);
                    regfree(&rgx);
                    free(line);
                    return 0;
                }
                matches = temp;
            }

            // 更新偏移量，避免重复匹配
            offset = match_end;
        }
    }

    // 示例：打印所有匹配的URL并释放资源
    for (size_t i = 0; i < count; i++) {
        printf("URL %zu: %s\n", i+1, matches[i]);
        free(matches[i]);
    }
    free(matches);
    regfree(&rgx);
    free(line);

    return 1;
}

// 测试主函数
int main() {
    FILE *file = fopen("urls.txt", "r");
    if (!file) {
        perror("Failed to open file");
        return 1;
    }
    extract_urls(file);
    fclose(file);
    return 0;
}

内容的提问来源于stack exchange，提问作者tteixeira