sscanf 和 strtok 没有返回“完整”答案

Question

我有一串字符，用“|”分成两组；空间，垂直条/管道，空间。字符串“ACGT”中只会有四个字符。我的问题是，如果我使用 sscanf 或 strtok，我可以很好地读取第一个字符串组，但第二个字符串组只包含该组的第一个字符。

因此相关的片段是：

typedef struct {
  char strings[1][399]; // 2D array of the strings
  int length[1]; // Line Length 1 and 2
} DoubleLOT;

char line[1024]; // Each string can only be a max of 400 chars anyway
DoubleLOT inStrings; // structs to hold string sequences

// Init variables
for (a=0;a<=1;a++){
  strcpy(inStrings.strings[a], "");
  inStrings.length[a]=0;
}

strcpy(line, "GAAT | GAAT");

使用 sscanf();

sscanf(line, "%[ACGT] | %[ACGT]", inStrings.strings[0], inStrings.strings[1]);
inStrings.length[0]=strlen(inStrings.strings[0]);
inStrings.length[1]=strlen(inStrings.strings[1]);
printf(">%s< %i\n", inStrings.strings[0], inStrings.length[0]);
printf(">%s< %i\n", inStrings.strings[1], inStrings.length[1]);

返回：

>GAAT< 4
>G< 2

使用 strtok() 如：

strcpy(inStrings.strings[0], strtok(line, " |"));
strcpy(inStrings.strings[1], strtok(NULL, " |"));
inStrings.length[0]=strlen(inStrings.strings[0]);
inStrings.length[1]=strlen(inStrings.strings[1]);
printf(">%s< %i\n", inStrings.strings[0], inStrings.length[0]);
printf(">%s< %i\n", inStrings.strings[1], inStrings.length[1]);

再次返回：

>GAAT< 4
>G< 2

在这个例子中，我想看到：

>GAAT< 4
>GAAT< 4

我已尝试删除 |来自“line”的字符仍然是同样的问题。我最初有 %s 而不是 %[ACGT]，同样的问题。两个字符串在这里相同的事实对我没有任何帮助，但我认为一旦我解决了问题，那应该是无关紧要的。此外，我还尝试了多个不同的字符串。

我假设这是我正在使用内存或函数如何处理让我崩溃的内存的事情。我还假设>G< 2 最后指的是\0 - 我也无法弄清楚它是如何被注入到字符串中的。在 sscanf() 之后对“line”的检查表明它确实仍然完好无损，并且与函数调用之前的“line”相同——尽管我无法有意义地对 strtok() 做同样的事情。

注意： 我不在乎是否使用 strtok();一旦我把它分成两部分，我就完成了。

Answer 1

这里发生的是未定义的行为。您声明您的结构有一个名为 strings 的成员，该成员是 1 x 399 个字符的数组；另一个 length 是 one 整数数组，但在其范围之外写入。

你的typedef应该是

typedef struct {
    char strings[2][399];
    int length[2];
} DoubleLOT;

或者，如果字符串的最大长度为 400 个字符，如您在 cmets 中所述，则应将 399 替换为 401 - 400 个字符并终止 '\0' .

---

但除此之外，我可以告诉您平台上发生了什么，以及您看到该输出的确切原因。

下面的结构

typedef struct {
    char strings[1][399]; // 2D array of the strings
    int length[1]; // Line Length 1 and 2
} DoubleLOT;

在普通的 LP64 架构上，会有一个 1x399 的 char 数组，后跟 1 个填充字节，然后是一个 32 位整数的 4 对齐数组。

现在，当您复制到 inString.strings[0] 时，只要字符串适合这 399 个字符，一切都很好。但是写入inString.strings[1] 是未定义的行为，因为未分配该内存。然而，在 这种 的情况下，一切似乎都很好，因为写入字符串 "GAAT" 以便 'G' 进入填充字节，而 "AAT" 和终止 '\0' 将被覆盖inString.length[0]。

然后你写inString.strings[0]的长度； 4 in little endian，转换成inString.length[0]。字节0x04, 0x00, 0x00, 0x00 被写入字节'A', 'A', 'T' and '\0'；

现在inString.strings[1] 看起来只有 1 个字符；第二个，ASCII 4，是一个不可打印的控制字符。但它就在那里，事实证明strlen(inString.strings[1]) 是 2，而不是 1。

最后，strlen(inString.strings[1]) 被写在堆栈/全局变量上的其他东西上，跟在 DoubleLOT inStrings; 之后。