【学渣】字符匹配之有限状态自动机--应用在爬虫程序中匹配网址

来源：互联网发布：win10软件消失编辑：程序博客网时间：2024/06/05 09:24

关于自动机的原理的文章已经有很多了，我就不再多说了，我觉得很多博客都写的很好

我就写一下在网址匹配方面的应用吧

其实很多人大都会选择正则表达式

如果是有规律的匹配，应该有一个状态转移函数，但是我没有为下图找到规律，所以就用了最蠢的方法

如果是连续的输入，比如abababcrfjg这样的模式，然后输入的主字符串也是连续的就可以写出来一个看起来不蠢的函数

随便打开一个网页，看看它的源代码

你会发现链接大多是 <a href="//www.baidu.com/more/"这样的

然后根据上面的图

我们可以写出来一个矩阵，或者叫表

state<>ahref="/ 其他01000000000001002000000000220232222222232022422222224202225222222 这样的表格

然后就可以写程序了

#include<stdio.h>#include<string.h>void main(){int state=0;char url[102400];printf("input url:\n");gets(url);//scanf("%s",url);printf("input successfully,url is :\n%s\n",url);int len_url=strlen(url);printf("lenth is :%d\n",len_url);int flag=0;for(int i=0;i<=len_url;i++){//printf("for***[%d]**state=%d****url[%d]=%c\n",i,state,i,url[i]);if(state==0){if(url[i]=='<'){state=1;continue;}else {state=0;flag=i;continue;}}if(state==1){if(url[i]=='a'){state=2;continue;}else {state=0;flag=i;continue;}}if(state==2){if(url[i]=='h'){state=3;continue;}    if(url[i]=='>'){state=0;flag=i;continue;}else{state=2;continue;}}if(state==3){if(url[i]=='r'){state=4;continue;}    if(url[i]=='>'){state=0;flag=i;continue;}    else{state=2;continue;}}if(state==4){if(url[i]=='e'){state=5;continue;}if(url[i]=='>'){state=0;flag=i;continue;}else{state=2;continue;}}if(state==5){if(url[i]=='f'){state=6;continue;}if(url[i]=='>'){state=0;flag=i;continue;}else{state=2;continue;}}if(state==6){if(url[i]=='='){state=7;continue;}if(url[i]=='>'){state=0;flag=i;continue;}else{state=2;continue;}}if(state==7){if(url[i]=='"'){state=10;continue;}if(url[i]==' '){state=7;continue;}else{state=0;flag=i;continue;}}if(state==10){if(url[i]=='/'){state=8;continue;}if(url[i]=='"'||url[i]=='>'||url[i]=='#'){state=0;flag=i;continue;}else{state=10;continue;}}if(state==8){if(url[i]=='>'){state=0;flag=i;continue;}if(url[i]=='"')    {        state=9;    for(int j=flag;j<=i;j++)    {printf("%c",url[j+1]);}printf("\n\n");    continue;    }if(url[i]!='>'&&url[i]!='"'&&state==8){state=8;continue;}}if(state==9){state=0;continue;}else continue;}}

0 0