【c】if文の整理をして欲しい

Question

自然言語処理について勉強しています。
Wikipediaのdumpデータから本文を抜き出して処理をしようと思ってます。
xmlの処理について試しているのですが、出力結果が想定とは全然違って困っています。
欲しい出力は,"タイトル（str），id（int），<textのシークポイント(*int)（<textの二つ目のtのポイント），<textから</text>の間のバイト数(*int)の四つがセットになったものです．
おそらくたくさんのif文処理で目的のところにひっかけられてないのだと思います．
以下にソースコード




#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#define SIZE 256 * 1024 * 1024

int main()
{

    int p, pb[6];
    char *line = malloc(SIZE);
    char *title;
    char *id;
    FILE *fp = fopen("jawiki-20211220-pages-articles-multistream2.xml", "r");
    FILE *fw = fopen("getX.txt", "w"); //記入先
    if ((NULL == fp) || (NULL == fw))
        abort();
    while (p = ftell(fp), fgets(line, SIZE, fp))
    {

    
        if (strstr(line, "<title>"))
        {
            pb[0] = p;
            if ((strstr(line, "</title>")))
            {
                pb[1] = p - pb[0];
                pb[0] += strlen("<title>");
                fseek(fp, pb[0], SEEK_SET);
                fgets(title, pb[1], fp);
                printf("%s\n", title);
                if (strstr(line, "<title>"))
                {
                    pb[2] = p;
                    if (strstr(line, "<id>"))
                    {
                        pb[2] = p;
                        if (strstr(line, "</id>"))
                        {
                            pb[3] = p - pb[2];
                            pb[2] += strlen("<id>");
                            fseek(fp, pb[2], SEEK_SET);
                            fgets(id, pb[3], fp);
                            printf("title=\t%s\nid=\t%s\n", title, id);
                            if (strstr(line, "<text"))
                            {
                                pb[4] = p;
                                if (strstr(line, "</text>"))
                                {
                                    pb[5] = p - pb[4];
                                    printf("%s\t%s\t%d\t%d\n", title, id, pb[4], pb[5]);
                                }
                            }
                        }
                    }
                }
            }
        }
    }

    printf("process ok");
    free(line);
    fclose(fw);
    fclose(fp);
}

出力結果は何も表示されてないようです．急ぎです．お願いします．

追記：6/2618:00

修正依頼にあったように処理の前にprintfを追加してみたバージョンのソースと実行結果を載せておきます．

おそらく/titleの処理を忘れているのではないかなと思います．

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#define SIZE 256 * 1024 * 1024

int main()
{

    int p, pb[6];
    char *line = malloc(SIZE);
    char *title;
    char *id;
    FILE *fp = fopen("jawiki-20211220-pages-articles-multistream2.xml", "r");
    FILE *fw = fopen("getX.txt", "w"); //記入先
    if ((NULL == fp) || (NULL == fw))
        abort();
    while (p = ftell(fp), fgets(line, SIZE, fp))
    {

        /*
        // textやpageなどの複数行にわたるとき
        if (strstr(line, "<text"))
        {//属性があるため<text
          pb[0] = p;
        }

      if (strstr(line, "</text>"))
      {
        pb[1] = p - pb[0];

        printf("%d\t%d\n", pb[0], pb[1]);
        fprintf(fw, "%d\t%d\n", pb[0], pb[1]);
        }
      */

        if (strstr(line, "<title>"))
        {
            printf("title in\t 1\n");
            pb[0] = p;
            if ((strstr(line, "</title>")))
            {
                printf("/title in\t1\n");
                pb[1] = p - pb[0];
                pb[0] += strlen("<title>");
                fseek(fp, pb[0], SEEK_SET);
                fgets(title, pb[1], fp);
                printf("%s\n", title);
                if (strstr(line, "<title>"))
                {
                    printf("title\tin\t22222222222\n");
                    pb[2] = p;
                    if (strstr(line, "<id>"))
                    {
                        printf("id in\t\n");
                        pb[2] = p;
                        if (strstr(line, "</id>"))
                        {
                            printf("/id in       \n");
                            pb[3] = p - pb[2];
                            pb[2] += strlen("<id>");
                            fseek(fp, pb[2], SEEK_SET);
                            fgets(id, pb[3], fp);
                            printf("title=\t%s\nid=\t%s\n", title, id);
                            if (strstr(line, "<text"))
                            {
                                printf("text in     ");
                                pb[4] = p;
                                if (strstr(line, "</text>"))
                                {

                                    printf("/text in           ");
                                    pb[5] = p - pb[4];
                                    printf("%s\t%s\t%d\t%d\n", title, id, pb[4], pb[5]);
                                }
                            }
                        }
                    }
                }
            }
        }
    }

    printf("process ok");
    free(line);
    fclose(fw);
    fclose(fp);
}

以下実行結果の一部です．

title	in	22222222222
title in	 1/title in	2(null)
title	in	22222222222
title in	 1/title in	2(null)
title	in	22222222222
title in	 1/title in	2(null)
title	in	22222222222
title in	 1/title in	2(null)
title	in	22222222222
title in	 1/title in	2(null)
title	in	22222222222
process ok

処理のバランスおかしいですね．

Accepted Answer

外部ライブラリを使わない前提でソレっぽくやるなら正規表現だろうということで、ファイルを全部読み込んでから title や id を探すようにしてみました。
テストデータとして jawiki-20211220-pages-articles-multistream2.xml には https://teratail.com/questions/jpe7mn08n0cpz7 の鳥取砂丘のデータを入れました。

c
1#include <stdio.h>
2#include <stdlib.h>
3#include <string.h>
4#include <sys/types.h>
5#include <sys/stat.h>
6#include <fcntl.h>
7#include <unistd.h>
8#include <errno.h>
9#include <regex.h>
10
11long getFileSize(char *filename) {
12  int fd = open(filename, O_RDONLY);
13  if(fd == -1) {
14    fprintf(stderr, "open error. errno=%d, filname=%s\n", errno, filename);
15    return -1L;
16  }
17
18  struct stat stbuf;
19  if(fstat(fd, &stbuf) == -1) {
20    fprintf(stderr, "fstat error. errno=%d\n", errno);
21    close(fd);
22    return -2L;
23  }
24
25  close(fd);
26
27  return stbuf.st_size;
28}
29
30char *readFile(char *filename) {
31  long size = getFileSize(filename);
32  if(size < 0L) return NULL;
33
34  char *buf = malloc(size + 1);
35  if(buf == NULL) {
36    fprintf(stderr, "malloc error. errno=%d, size=%ld\n", errno, size);
37    return NULL;
38  }
39
40  FILE *fp = fopen(filename, "r");
41  if(fp == NULL) {
42    fprintf(stderr, "fopen error. errno=%d, filname=%s\n", errno, filename);
43    return NULL;
44  }
45
46  if(fread(buf, size, 1, fp) < 1) {
47    fprintf(stderr, "fread error. errno=%d\n", errno);
48    fclose(fp);
49    free(buf);
50    return NULL;
51  }
52  buf[size] = '\0';
53
54  fclose(fp);
55
56  return buf;
57}
58
59int regex(char *pattern, char *target, void (*process)(char *, regex_t *, regmatch_t *)) {
60  regex_t reg;
61  memset(&reg, 0, sizeof(regex_t));
62  if(regcomp(&reg, pattern, REG_EXTENDED)) {
63    fprintf(stderr, "regcomp error. pattern=%s\n", pattern);
64    return -1;
65  }
66
67  int size = sizeof(regmatch_t) * (reg.re_nsub + 1);
68  regmatch_t *match = malloc(size);
69  if(match == NULL) {
70    fprintf(stderr, "malloc error. size=%d\n", size);
71    regfree(&reg);
72    return -1;
73  }
74
75  int err_code;
76  char err_msg[128];
77  memset(err_msg, '\0', sizeof(err_msg));
78  if((err_code = regexec(&reg, target, reg.re_nsub + 1, match, 0))) {
79    regerror(err_code, &reg, err_msg, sizeof(err_msg));
80    fprintf(stderr, "%s: %s\n", __func__, err_msg);
81    free(match);
82    regfree(&reg);
83    return -1;
84  }
85
86  process(target, &reg, match);
87
88  free(match);
89  regfree(&reg);
90  return 0;
91}
92
93#define TITLE_MAX 128
94#define TEXTATTR_MAX 1024
95#define TEXT_MAX 8192
96
97char title[TITLE_MAX + 1] = { 0 };
98int id = -1;
99char textAttr[TEXTATTR_MAX + 1] = { 0 };
100char text[TEXT_MAX + 1] = { 0 };
101
102void extractString(char *buf, int size, char *target, int so, int eo) {
103  if(so != -1 && eo != -1) {
104    int len = eo-so < size ? eo-so : size;
105    memcpy(buf, &target[so], len);
106    buf[len] = '\0';
107  }
108}
109
110void titleProcess(char *target, regex_t *regex, regmatch_t *match) {
111  match++;
112  extractString(title, TITLE_MAX, target, match->rm_so, match->rm_eo);
113}
114
115void idProcess(char *target, regex_t *regex, regmatch_t *match) {
116  match++;
117  if(match->rm_so != -1 && match->rm_eo != -1) {
118    id = (int)strtol(&target[match->rm_so], NULL, 10);
119  }
120}
121
122void textProcess(char *target, regex_t *regex, regmatch_t *match) {
123  match += 2;
124  extractString(textAttr, TEXTATTR_MAX, target, match->rm_so, match->rm_eo);
125  match ++;
126  extractString(text, TEXT_MAX, target, match->rm_so, match->rm_eo);
127}
128
129int main() {
130  char *buf = readFile("jawiki-20211220-pages-articles-multistream2.xml");
131  if(buf == NULL) return 1;
132
133  regex("<title>(.*)</title>", buf, titleProcess);
134
135  regex("<id>([0-9]+)</id>", buf, idProcess);
136
137  regex("<text( +([^>]*))>(.*)</text>", buf, textProcess);
138
139  printf("title='%s'\n", title);
140  printf("id=%d\n", id);
141  printf("textAttr='%s'\n", textAttr);
142  printf("text='%s'\n", text);
143
144  free(buf);
145}

実行結果

plain
1title='鳥取砂丘'
2id=19812
3textAttr='xml:space="preserve"'
4text='{{Coord|35|32|27.821|N|134|13|41.789|E|region:JP|display=title}}
5[[ファイル:Tottori-Sakyu Tottori Japan.JPG|thumb|300px|馬の背]]
6{{mapplot|134.2290|35.5407|鳥取砂丘}}
7'''鳥取砂丘'''（とっとりさきゅう）は、[[鳥取県]][[鳥取市]]の[[日本海]]海岸に広がる広大な砂礫地で、代表的な[[海岸砂丘]]。日本三大砂丘の1つである&lt;ref&gt;その他の2つについては、諸説ある。&lt;/ref&gt;。[[山陰海岸国立公園]]の特別保護地区に指定されており、南北2.4km、東西16kmに広がる日本最大の観光可能な[[砂丘]]である。（一般に立ち入れない物も含めると、日本最大の砂丘は&lt;!--（内陸にある砂丘を含めると--&gt;[[青森県]]の[[猿ヶ森砂丘]]）。&lt;!--内陸砂丘は大陸内部の砂丘を示し、日本には内陸砂丘なないため編集しました--&gt;
8＜中略＞
9[[Category:日本の海岸景勝地]]
10[[Category:砂丘]]
11[[Category:平成百景]]
12[[Category:日本の地質百選]]'

Answer

指摘が多すぎて整理しきれないので1から書き直したらうまいこといきました．
修正依頼してくれた方，ありがとうございました．

追記：6/2618:00

関連した質問