在 C 中使用字符串数组来解析文本文件

Question

我想从 N 个文本文件中读取（具有相似的结构：几行，每行具有相同的少量单词）并将读取的单词存储在字符串矩阵中，这样每个（行, col) 位置我有一个词。

文件的简单示例（两行，每行三个单词）如下：

line1word1 line1word2 line1word3
line2word1 line2word2 line2word3

单词的分隔符是空格。

我已经尝试过这段代码：

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

#define MAX_STRING_LENGTH 1000
#define MAX_TOKS 100
#define DELIMITERS " "

// line parsing utility
int parseString(char* line, char*** argv) {

  char* buffer;
  int argc;

  buffer = (char*) malloc(strlen(line) * sizeof(char));
  strcpy(buffer,line);
  (*argv) = (char**) malloc(MAX_TOKS * sizeof(char**));

  argc = 0;  
  (*argv)[argc++] = strtok(buffer, DELIMITERS);
  while ((((*argv)[argc] = strtok(NULL, DELIMITERS)) != NULL) &&
     (argc < MAX_TOKS)) ++argc;
  return argc; 
}


int main() {

  char S[MAX_STRING_LENGTH];
  char **A;

  int  n,i,j,l;

  FILE *f;
  char file[50];

  char ***matrix;
  matrix = malloc(MAX_TOKS * sizeof(char**));

 //memory allocation for matrix
 for (i = 0; i < MAX_TOKS; i++)
     {
       matrix[i] = malloc(MAX_TOKS * sizeof(char *));
       for (j = 0; j < MAX_TOKS; j++)
           {
           matrix[i][j] = malloc(MAX_TOKS * sizeof(char));
           }
     }

  int NFILE = 10; // number of files to be read

  for(i=0;i<NFILE;i++) 
    {  
    sprintf(file,"file%d.txt",i); 
    f = fopen(file,"r");

    l=0; // line-in-file index
    while(fgets(S,sizeof(S),f)!=NULL) {
          n = parseString(S,&A);
          for(j=0;j<n;j++) {
            matrix[i][l]=A[j];
            printf("%s\t%s\n",matrix[i][l],A[j]); 
            } 
        l++;
        } 
 fclose(f); 
    }

free(matrix);
free(A);    
return(0);  
}

我无法解决的问题是，在检查数组之间的对应关系时（以确保我正确存储单个单词）使用

printf("%s\t%s\n",matrix[i][l],A[j]);

我发现每一行的最后一个单词（并且只有最后一个单词），无论文件编号如何，都没有存储在matrix 中。也就是说file0中的line1word1和line1words正确存储在matrix[0][0][0]和matrix[0][0][1]中，但是在matrix[0][0][2]字段中没有line1word3，即使A[2]有！

我做错了什么？有什么建议吗？

提前非常感谢， 干杯

Answer 1

char ***matrix 没有声明一个三维数组。您的矩阵需要类似于 char *matrix[a][b] 来保存字符串指针的二维数组。为了计算数组中的地址，编译器需要知道除一个之外的所有维度。如果你仔细想想，你可能会明白为什么……

如果你有两个数组：

1 2 3        1  2  3  4  5  6  7
4 5 6        8  9 10 11 12 13 14
7 8 9       15 16 17 18 19 20 21

您可以看到item[1][1] 不是同一个项目。无论数组中的维度如何，元素通常在内存中按顺序排列，每一行都在前一个（或可能的列，我想取决于语言）之后。如果你有一个指针数组，实际内容可能在其他地方，但点会这样排列。因此，在我上面的示例中，您必须向编译器提供列数，以便它可以找到成员（rows 的数量可以是可变的。）在三维数组中，您必须提供第一个 TWO 维度，以便编译器可以计算项目偏移量。

希望对你有帮助。

编辑：您可以通过创建自己的函数来处理所有数组项访问，从而获得真正的动态数组维度。该函数需要知道动态尺寸和项目索引，以便计算适当的地址。

Answer 2

这看起来不对：buffer = (char*) malloc(strlen(line) * sizeof(char));

首先，在 C 中不需要强制转换 malloc。如果你的代码没有强制转换就无法编译，可能有两个原因：

1. 没有 malloc 的原型。显然这会导致问题，因为没有原型意味着函数返回默认类型：int，否则会发生错误。这可能会导致您的程序行为不端。为避免这种情况，#include <stdlib.h>。
2. 您正在使用 C++ 编译器。停止。使用 C++ 编程（停止使用 malloc）或使用 C 编译器。如果您想在 C++ 项目中使用此项目，请使用 C 编译器编译您的 C 代码并在您的 C++ 编译器中链接到它。

其次，sizeof(char)永远是1，不用乘。

第三，字符串是一个以第一个'\0'结尾的字符序列。这意味着一个字符串总是至少占用 1 个字符，即使它是一个空字符串。 strlen("") 返回什么？ sizeof("") 是什么？您需要加 1 为“\0”腾出空间：buffer = malloc(strlen(line) + 1);。

这看起来有点不对劲：(*argv) = (char**) malloc(MAX_TOKS * sizeof(char**));

malloc 返回一个指向对象的指针。 *argv 是一个char **，这意味着它指向一个char *。但是，在这种情况下 malloc 返回一个指向 char ** 对象的指针。表示不需要相同。为避免与此相关的可移植性问题，请遵循此模式variable = malloc(n * sizeof *variable); ...在这种情况下，*argv = malloc(MAX_TOKS * **argv);

随着时间的推移，它变得更加坚韧。忘记你认为你知道的关于你的代码的一切；假装你将在 24 个月后回到这个状态。您对此有何看法？

argc = 0;  
(*argv)[argc++] = strtok(buffer, DELIMITERS);
while ((((*argv)[argc] = strtok(NULL, DELIMITERS)) != NULL) &&
   (argc < MAX_TOKS)) ++argc;

这里实际上也有一对一。假设argc == MAX_TOKS，您的循环将尝试分配给(*argv)[MAX_TOKS]。这个循环是我认为您的问题所在，解决方案是更清楚地表达您的意图，而不是试图将尽可能多的代码塞进一行。你会如何重写这个？在这种情况下，我会这样做：

char *arg;
size_t argc = 0;
do {
    arg = strtok(buffer, DELIMITERS);
    buffer = NULL;

    (*argv)[argc] = arg;
    argc++;
} while (argc < MAX_TOKS && arg != NULL);

问题是当 strtok 返回 NULL 时，您的解析循环不会增加。因此，您的函数返回最后一项的位置。假设您有两个标记，您的解析函数将返回 1。您的显示循环显示最多但不包括此位置的项目：for(j=0;j<n;j++)。您可以使用建议的改进，或更改您的循环：for (j = 0; j <= n; j++)。无论哪种方式，您都需要逐个修复这些问题。

出于好奇，你在看哪本书？