用C读取文件

Question

我有一个输入文件，我需要从中提取单词。这些单词只能包含字母和数字，因此其他任何内容都将被视为分隔符。我尝试了 fscanf、fgets+sscanf 和 strtok 但似乎没有任何效果。

while(!feof(file))
{
    fscanf(file,"%s",string);
    printf("%s\n",string);
}

上面的显然不起作用，因为它不使用任何分隔符，所以我用以下内容替换了该行：

 fscanf(file,"%[A-z]",string);

它很好地读取第一个单词，但文件指针不断倒带，因此它一遍又一遍地读取第一个单词。

所以我使用 fgets 读取第一行并使用 sscanf:

sscanf(line,"%[A-z]%n,word,len);
line+=len;

这也不起作用，因为无论我尝试什么，我都无法将指针移动到正确的位置。我尝试了 strtok 但我找不到如何设置分隔符

while(p != NULL) {
printf("%s\n", p);
p = strtok(NULL, " ");

这显然采用空白字符作为分隔符，但我实际上有 100 个分隔符。

我是否在这里遗漏了一些东西，因为从文件中提取单词一开始似乎是一个简单的概念，但我尝试的任何东西都没有真正起作用？

Answer 1

你的分隔符是什么？ strtok 的第二个参数应该是包含分隔符的字符串，第一个参数应该是第一次指向字符串的指针，然后是 NULL：

char * p = strtok(line, ","); // assuming a , delimiter
printf("%s\n", p);

while(p)
{
    p = strtok(NULL, ",");
    printf("%S\n", p);
} 

Answer 2

考虑构建一个最小的词法分析器。当处于 word 状态时，只要它看到字母和数字，它就会保持在该状态。当遇到其他情况时，它会切换到状态分隔符。然后它可以在状态分隔符中执行完全相反的操作。

这是一个简单状态机的示例，可能会有所帮助。为了简洁起见，它仅适用于数字。 echo "2341,452(42 555" | ./main 会将每个数字打印在单独的行中。它不是词法分析器，但状态之间切换的想法非常相似。

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

int main() {
  static const int WORD = 1, DELIM = 2, BUFLEN = 1024;
  int state = WORD, ptr = 0;
  char buffer[BUFLEN], *digits = "1234567890";
  while ((c = getchar()) != EOF) {
    if (strchr(digits, c)) {
      if (WORD == state) {
        buffer[ptr++] = c;
      } else {
        buffer[0] = c;
        ptr = 1;
      }
      state = WORD;
    } else {
      if (WORD == state) {
        buffer[ptr] = '\0';
        printf("%s\n", buffer);
      }
      state = DELIM;
    }
  }
  return 0;
}

如果状态数量增加您可以考虑用 switch 块替换检查当前状态的 if 语句。通过将 getchar 替换为读取整个块可以提高性能。输入到临时缓冲区并迭代它，

如果必须处理更复杂的输入文件格式，您可以使用词法分析器生成器，例如 flex。它们可以为您定义状态转换和词法分析器生成的其他部分。

Answer 3

几点：

首先，不要使用feof(file)作为循环条件； feof 不会返回 true，直到您尝试读取文件末尾之后，因此您的循环将过于频繁地执行一次。

其次，你提到了这一点：

fscanf(文件,"%[Az]",字符串);

它可以很好地读取第一个单词，但文件指针不断倒带，因此它会一遍又一遍地读取第一个单词。

实际情况并非如此。如果流中的下一个字符与格式说明符不匹配，则 scanf 会返回而不读取任何内容，并且 string 不会被修改。

这是一种简单但不优雅的方法：它一次从输入文件中读取一个字符，检查它是否是字母或数字，如果是，则将其添加到字符串中。

#include <stdio.h>
#include <ctype.h>

int get_next_word(FILE *file, char *word, size_t wordSize)
{
  size_t i = 0;
  int c;

  /**
   * Skip over any non-alphanumeric characters
   */
  while ((c = fgetc(file)) != EOF && !isalnum(c))
    ; // empty loop

  if (c != EOF)
    word[i++] = c;

  /**
   * Read up to the next non-alphanumeric character and
   * store it to word
   */
  while ((c = fgetc(file)) != EOF && i < (wordSize - 1) && isalnum(c))
  {
      word[i++] = c;
  }
  word[i] = 0;
  return c != EOF;
}

int main(void)
{
   char word[SIZE]; // where SIZE is large enough to handle expected inputs
   FILE *file;
   ...
   while (get_next_word(file, word, sizeof word))
     // do something with word
   ...
}

Answer 4

我会使用：

FILE *file;
char string[200];

while(fscanf(file, "%*[^A-Za-z]"), fscanf(file, "%199[a-zA-Z]", string) > 0) {
    /* do something with string... */
}

这会跳过非字母，然后读取最多 199 个字母的字符串。唯一奇怪的是，如果你有任何超过 199 个字母的“单词”，它们将被分成多个单词，但你需要限制以避免缓冲区溢出......