在 C++ 中使用 MergeSort 对文件进行排序

Question

我正在尝试实现我自己的 MergeSort，但我遇到了一些问题，看看是否有人可以帮助我一点。

我有一个大文件，其中包含一些以逗号分隔的信息（姓名、城市、邮件、telf）。我想应用归并排序来订购它，因为我假设客户端计算机一次尝试就没有那么多内存。

所以，我将它拆分为 MAX_CUSTOMERS 行的文件，并单独订购它们，直到这里都是正确的，但是当我想要获取前两个文件并订购它们时，我遇到了所有问题，我重复了，和其他人消失，这是我的代码：

void MergeSort(string file1Name, string file2Name,string name){
printf("Enter MERGE SORT %s AND %s\n",file1Name.c_str(),file2Name.c_str());
string temp;
string fileName;
string lineFile1, lineFile2;
bool endFil1 = false, endFil2 = false;
int numCust1 = 0;
int numCust2 = 0;
int x1 = 0, x2 = 0;

ifstream file1;
file1.open(file1Name.c_str());
ifstream file2;
file2.open(file2Name.c_str());

ofstream mergeFile; 
fileName = "customers_" +name +".txt";
cout << "Result file " << fileName << endl;
mergeFile.open("temp.txt");

getline(file1,lineFile1);
getline(file2,lineFile2);

while(!endFil1 && !endFil2){
    if(CompareTelf(lineFile1,lineFile2)==1){
        mergeFile << lineFile1 << endl;
        if(!getline(file1,lineFile1)){
            cout << lineFile1 << endl;
            cout << "1st file end" << endl;         
            endFil1 = true;
        }
    }else{
        mergeFile << lineFile2 << endl;
        if(!getline(file2,lineFile2)){
            cout << lineFile2 << endl;
            cout << "2nd file end" << endl;         
            endFil2 = true;
        }
    }       
}
if(endFil1){
    //mergeFile << lineFile2 << endl;
    while(getline(file2,lineFile2)){
        mergeFile << lineFile2 << endl;
    }
}else{
    //mergeFile << lineFile1 << endl;
    while(getline(file1,lineFile1)){
        mergeFile << lineFile1 << endl;
    }
}

file1.close();
file2.close();
mergeFile.close();
rename("temp.txt",fileName.c_str());
return;
}

Customer SplitLine(string line){
string splitLine;
string temp;
Customer cust;
int actProp = 0;
int number;
istringstream readLineStream(line); //convert String readLine to Stream readLine

while(getline(readLineStream,splitLine,',')){
    if (actProp == 0)cust.name = splitLine;
    else if (actProp == 1)cust.city = splitLine;
    else if (actProp == 2)cust.mail = splitLine;
    else if (actProp == 3)cust.telf = atoi(splitLine.c_str());
    actProp++;
}
//printf("Customer read: %s, %s, %s, %i\n",cust.name.c_str(), cust.city.c_str(), cust.mail.c_str(), cust.telf);

return cust;
}

int CompareTelf(string str1, string str2){
    Customer c1 = SplitLine(str1);
    Customer c2 = SplitLine(str2);

    if(c1.telf<c2.telf)return 1; //return 1 if 1st string its more important than second, otherwise, return -1
    else return -1;
}

struct Customer{
        string name;
        string city;
        string mail;
        long telf;
};

如果对代码有任何疑问，请直说！我尝试尽可能使用描述性的 varNames！

非常感谢。

Answer 1

你的代码看起来不错，但它有几个缺陷和一个重要的遗漏。

其中一个小缺陷是缺少 Customer 结构的初始化 - 您没有为该结构提供构造函数，也没有对 cust 变量进行显式初始化。希望字符串成员被字符串类构造函数正确初始化，但long telf 可能会得到任何初始值。

另一个是在分割输入行时缺少格式检查。您确定每个输入行都具有相同的格式吗？如果有太多逗号的行（例如，名称中的逗号），则循环可能会错误地尝试将“电子邮件”数据分配给“telf”成员...
OTOH，如果逗号太少，“telf”成员可能保持未初始化状态，具有随机初始值...
与第一个缺陷一起，这个缺陷可能会导致输出数据的顺序不正确。

当您使用atoi 函数时会出现类似的问题：它返回int 但您的变量是long。我想您选择 long 类型是因为预期的值范围 - 如果是这样，将输入数据转换为 int 可能会截断大部分数据！我不确定atoi 在这种情况下会做什么，它可能会返回转换输入字符串的某些初始部分的结果，或者只返回零。这两个值都是错误的，会导致排序不正确，所以你最好改用atol。

下一个问题是从两个输入文件中读取第一行。你不检查getline() 是否成功。如果输入文件为空，则对应的lineFile_num 字符串将为空，但endFil_num 不会反映这一点——它仍然是false。所以你再次去比较无效数据。

最后是主要问题。假设 file1 的内容“大于”（即：之后）整个 file2。然后存储在lineFile1 中的第一行导致CompareTelf() 一直返回-1。主循环将整个 file2 复制到输出中，然后...？最后的while() 循环以getline(file1,lineFile1) 开始，因此丢弃了file1 的第一行！
类似的结果发生在由记录 (A,C) 和 (B) 组成的文件中，要合并为 (A,B,C)：首先读入 A 和 B，然后保存 A 并读入 C，然后是 B已保存并检测到文件 2 的结尾。然后while(getline(...)) 取消内存中的 C 并找到文件 1 的结尾，从而终止循环。记录 C 丢失。
通常，当主合并循环while(!endFil1 && !endFil2) 耗尽一个文件时，另一个文件的第一个未保存的行将被丢弃。为避免这种情况，您需要存储第一次读取的结果：

endFil1 = ! getline(file1,lineFile1);
endFil2 = ! getline(file2,lineFile2);

然后，在主循环之后，使用未保存的行开始复制输入文件的尾部：

while(!endFil1) {
    mergeFile << lineFile1 << endl;
    endFil1 = !getline(file1,lineFile1);
}
while(!endFil2) {
    mergeFile << lineFile2 << endl;
    endFil2 = !getline(file2,lineFile2);
}