在文件中搜索字符组合

Question

我正在尝试创建一个程序来读取文件并搜索特定的字符组合。 例如：“/start/4jy42jygsfsf /end/”。

所以我想找到所有以 /start/ 开头并以 /end/ 结尾的“字符串”。

为了做到这一点，我使用了 read() 函数，因为文件可能是二进制文件（它不必是带有字符的文件）。

我这样调用 read() 函数：

#define BUFFSIZE 4000

// more declarations

while (read(file_descriptor, buffer, BUFFSIZE) > 0)
{
    //search for /start/
    //then search for /end/
    //build a string with all the chars between these two
    //keep searching till you reach the end of buffer
}

假设每个 /start/ 后跟一个 /end/。

问题是：

这种字符组合被切成两半的情况如何处理？

例如，假设第一次调用 read()，在这个缓冲区的末尾我发现 /star，而下一次 read() 在第二个开始时被调用缓冲区有 t/ 4jy42jygsfsf /end/。

这种组合可能会在任何地方被削减。我认为的解决方案会产生很多行代码。有什么聪明的方法来处理所有这些情况吗？

Answer 1

当您到达缓冲区的末尾时，记录当前部分匹配的状态（如果有）。那么当你得到下一个缓冲区时，你有 4 种一般情况：

• 不在任何要匹配的文本内。
• 在最后一个缓冲区的末尾看到了 / 的开头
• 目前在/start/ 内。另一个变量记录您匹配的距离。
• 目前在/end/ 内。与/start/ 相同的变量记录您匹配的距离。

您在匹配器中的状态通常是：

1. 目前没有匹配任何内容
2. 刚刚看到/ - 接下来寻找“s”或“e”。
3. 匹配start/ 或end/。
4. 匹配 - /start 或 /end。

基于部分匹配，在匹配器中直接跳转到正确的状态。

或

您可以使用PCRE library。它支持部分匹配。但对于您的目的来说可能是矫枉过正。