C中文件输入的模式识别

Question

我试图使用 scanf 从 C 中的文件获取输入。文件中的数据如下：

223234       <Justin>      <Riverside>  

这是我尝试过的以下正则表达式：

FILE* fid;


    int id;
    char name[100], city[100];
    char dontcare1[40], dontcare3[40];
    char dontcare2,dontcare4[40],dontcare5;


    fid = fopen("test.txt", "r");

    fscanf(fid,"%d%[^<]%c%[^<]%c%[>]%c ",&id,&dontcare1[0],
                                            &dontcare2,&dontcare3[0],&dontcare4[0],
                                            &city[0],&dontcare5);

我想知道是否有更好的方法来做到这一点，我如何在不创建额外变量的情况下考虑文件中的空格，这似乎没有选择括号中的城市名称。

Answer 1

在*scanf() 中，您可以期待文字字符，一个空格可以匹配多个分隔符。

为了避免处理文件，我的示例使用sscanf() 进行了简化，但它与fscanf() 的工作方式相同。

这里的技巧是使用%n 来获取到该点的读取字符数；这样，我们确保最后一个 > 文字实际上已被读取 （我们无法知道*scanf()的结果）

/**
  gcc -std=c99 -o prog_c prog_c.c \
      -pedantic -Wall -Wextra -Wconversion \
      -Wc++-compat -Wwrite-strings -Wold-style-definition -Wvla \
      -g -O0 -UNDEBUG -fsanitize=address,undefined
**/

#include <stdio.h>

int
main(void)
{
  const char *line="223234       <Justin>      <Riverside>";
  int id;
  char name[100], city[100];

  int n_read=-1;
  sscanf(line, "%d <%[^>]> <%[^>]>%n",
         &id, name, city, &n_read);
  if(n_read!=-1) // read till the end then updated
  {
    printf("id=%d\n", id);
    printf("name=%s\n", name);
    printf("city=%s\n", city);
  }
  return 0;
}

Answer 2

在尝试打开文件时，确保文件实际打开成功很有用。

FILE *fid;
fid = fopen("path/to/file", "r");

if (fid == NULL){
    printf("Unable to open file. \n");
    return -1;
}

实际上解决您的问题，我可能只是使用string.h 的strtok 函数，然后使用空格作为分隔符。

另外，我不会使用scanf，而是使用fgets...原因可以在其他各种 SO 文章中找到。以下是一个未经测试的解决方案。

        char line[100], line_parse[100]; // Buffer(s) to store lines upto 100
        char *ret; // token used for strtok

        // Read an integer and store read status in success.
        while (fgets(line, sizeof(line), fPtrIn) != NULL)
        {
            // Copy the line for parsing, as strtok changes original string
            strcpy(line_parse, line);

            // Separate the line into tokens
            ret = strtok(line_parse, " ");
            
            while (ret != NULL)
            {/*do something with current field*/
                ret = strtok(NULL, " "); // Move onto next field
            }

请注意strtok 不是线程安全的。因此，在多线程代码中，您不应使用此函数。不幸的是，ISO C 标准本身并没有提供该函数的线程安全版本。但是很多平台都提供了这样的功能作为扩展：在POSIX兼容的平台上（比如Linux），你可以使用strtok_r这个功能。在 Microsoft Windows 上，您可以使用函数strtok_s。这两个函数都是线程安全的。

Answer 3

您实际上可以通过将行读入数组（缓冲区）然后使用sscanf() 从行中解析您需要的内容来非常简单地做到这一点。不要直接使用scanf()，因为这会给您带来一整套与输入流中哪些字符未读相关的陷阱。相反，通过一次读取一行来完成所有输入，然后使用sscanf() 解析缓冲区中的值，就像使用scanf() 一样，但是通过使用fgets() 读取，您会消耗一整行一段时间，输入流中剩余的内容不取决于转换的成功或失败。

例如，你可以这样做：

#include <stdio.h>

#define MAXC 1024
#define NCMAX 100

int main (void) {
    
    char buf[MAXC],
        name[NCMAX],
        city[NCMAX];
    unsigned n;
    
    if (!fgets (buf, MAXC, stdin))
        return 1;
    
    if (sscanf (buf, "%u <%99[^>]> <%99[^>]>", &n, name, city) != 3) {
        fputs ("error: invalid format", stderr);
        return 1;
    }
    
    printf ("no.  : %u\nname : %s\ncity : %s\n", n, name, city);
}

sscanf() 格式字符串是关键。 "%u <%99[^>]> <%99[^>]>" 将数字读取为无符号值，<%99[^>]> 使用 '<'，然后字符类 %99[^>] 使用 99 的 field-width 修饰符来保护您的数组边界和[^>] 类将读取不包括 > 的所有字符（对于下一个 city 也是如此）。通过检查退货验证，以确保发生了三个有效的转换。如果不是，则处理错误。

使用/输出示例

您在文件dat/no_name_place.txt 中输入后，该文件会被简单地重定向到stdin 并被程序读取，结果是：

$ ./bin/no_name_city < dat/no_name_place.txt
no.  : 223234
name : Justin
city : Riverside

Answer 4

如果您必须使用scanf()，其他答案似乎涵盖了各个方面。这是一种替代方法，使用 fgetc() 和 strcpy() 逐个字符地获取输入。

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

#define MAX_SIZE 100

int main(void)
{
    int id = 0, c = 0;
    char buff1[MAX_SIZE], buff2[MAX_SIZE];
    size_t i = 0U;
    FILE *fptr = NULL;

     if (!(fptr = fopen("test.txt", "r")))
     {
        perror("error opening file");
        return -1;
     }

    while ((c = fgetc(fptr)) != EOF)
    {
        if (isdigit(c)) /* maybe check INT_MAX here if you are planning to scan big numbers */
        {
            id = (id * 10) + (c - '0');
        }

        if (i != 0 && c == ' ')
        {
            buff2[i] = '\0';
            strcpy(buff1, buff2);
            i = 0U;
        }

        if (isalpha(c))
        {
            if (i < MAX_SIZE - 1)
            {
                buff2[i++] = c;
            }
            else
            {
                fputs("Buff full", stderr);
                return -1;
            }
        }
    }
    buff2[i] = '\0';

    return 0;
}