使用 C 在文本文件中返回随机行的最佳方法是什么？它必须使用标准 I/O 库 (<stdio.h>)，因为它适用于 Nintendo DS 自制软件。
说明：
【问题讨论】：
读取每一行，并使用一个随机数来选择是保留该行还是忽略它。对于第一行，您希望保持 1:1 的赔率；第二个，你想要 1:2 的赔率，等等。
count = 0;
while (fgets(line, length, stream) != NULL)
{
count++;
if ((rand() * count) / RAND_MAX == 0)
strcpy(keptline, line);
}
我尚未验证这是否具有适当的随机特性，但乍一看似乎是正确的。
if ((rand() / (float)RAND_MAX) <= (1.0 / count))
【讨论】：
马克的回答几乎是正确的，除了两个问题：
length - 1 个字符（包括换行符），那么while 循环将为同一行增加至少两次count：一次用于第一个length - 1 字符，另一次用于下一个length - 1 字符等rand() * count 的计算会导致整数溢出。要解决第一个问题，您可以将fgets 调用到垃圾缓冲区，直到它返回NULL（表示I/O 错误或没有读取数据的EOF）或垃圾缓冲区包含换行符：
count = 0;
while (fgets(line, length, stream) != NULL)
{
char *p = strchr(line, '\n');
if (p != NULL) {
assert(*p == '\n');
*p = '\0'; // trim the newline
}
else { // haven't reached EOL yet. Read & discard the rest of the line.
#define TRASH_LENGTH 1024
char trash[TRASH_LENGTH];
while((p = fgets(trash, TRASH_LENGTH, stream)) != NULL) {
if ((p = strchr(trash, '\n')) != NULL) // reached EOL
break;
}
}
assert(strchr(line, '\n') == NULL); // `line` does not contain a newline
count++;
// ...
如果浮点运算不可用，可以通过@tvanfosson 的建议解决第二个问题：
int one_chance_in(size_t n)
{
if (rand() % n == 0) // `rand` returns an integer in [0, `RAND_MAX`]
return 1;
else
return 0;
}
但请注意rand() % n 不是uniform, discrete random variable，即使rand() 被假定为1，因为rand() % n == 0 的概率可能比期望的概率1/@ 高1/RAND_MAX 987654336@。在我的机器上，RAND_MAX 是 2147483647，所以差是 4.66 × 10-10，但 C 标准只要求 RAND_MAX 至少为 32767（3.05 × 10-5 区别）。
另外，对于任何想知道为什么这个方案有效的人（就像我一样），如果有 m lines and generalize：在循环的第一次迭代中，第一行被复制到keptline的概率为1/1。在循环的第二次迭代中，第二行不覆盖第一行的概率为 1/2。在第三次迭代中，第三行不覆盖第一行的概率是 2/3。继续，最后一行不覆盖第一行的概率是 (m - 1)/m。因此，在遍历所有行之后，第一行保留在keptline 中的概率为：
1/1 × 1/2 × 2/3 × 3/4 × ... × (m - 2)/(m - 1) × ( m - 1)/m = 1/m
第二行留在keptline的概率是：
1/2 × 2/3 × 3/4 × ... × (m - 2)/(m - 1) × (m - 1)/m = 1/m
第三行留在keptline中的概率为：
1/3 × 3/4 × ... × (m - 2)/(m - 1) × (m - 1)/m = 1/m
等等。它们都是 1/m。
【讨论】：
return !(rand() % n);
这个方法很好，因为：
i) 你可以不费吹灰之力地继续生成随机线
ii) 您只需每次随机读取文件 1 次 + 1 行。多余的读取数据只等于文件的大小。
iii) 它给每一行一个公平的机会，不管它在文件中的位置。
iv) 它给每一行一个公平的机会，不管它在文件中的长度是多少。
建议：
我建议使用 2 遍算法。嗯，真的是1 pass + N 行。其中 N 是您想要的随机行数。
您将用于计算行数和每行起始位置的第一遍。
然后，您从 0 到行数减 1 取一个随机数。使用该随机数，即您的行索引，获取该行索引的起始位置。寻找那个位置。
然后您只需要再读取 1 次，并且您知道确切的大小。 （直到下一行的开始索引）
如何存储行数和每行的索引：
要存储行数，显然可以只使用 int。
如果您可以使用向量，那么您可以将每个行索引添加到向量中。如果不是，您可以创建一个整数数组，其中包含您认为会有的最大行数。然后索引到该数组。
其他答案：
另一个答案提到您可以从 1 到文件大小选择一个随机数，然后使用最接近的换行符。但这行不通。例如，您可能有 1 行非常长，而其他行则不那么长。在这种情况下，您的分布会不均匀。
【讨论】：
【讨论】：
我有一个替代解决方案。由于平台是 DS，您可能不想尝试将文件保存在内存中。这会读取文件两次。一次计算行数，第二次找到它想要的行。这将比目前建议的其他解决方案运行得慢，但它几乎不使用任何内存。我什至用 C 为你写了它（我省略了错误处理）：
main(int argc, char **argv)
{
FILE *f;
int nLines = 0;
char line[1024];
int randLine;
int i;
srand(time(0));
f = fopen(argv[1], "r");
/* 1st pass - count the lines. */
while(!feof(f))
{
fgets(line, 1024, f);
nLines++;
}
randLine = rand() % nLines;
printf("Chose %d of %d lines\n", randLine, nLines);
/* 2nd pass - find the line we want. */
fseek(f, 0, SEEK_SET);
for(i = 0; !feof(f) && i <= randLine; i++)
fgets(line, 1024, f);
printf("%s", line);
}
更新：糟糕，我应该在发布此内容之前阅读 Brian R. Bondy 的回答，但我有点痴迷于编写代码并且没有注意到。这几乎相同，只是它不将行位置存储在数组中。根据文件的大小以及速度是否比节省内存更重要，您可以采用任何一种方式。
【讨论】：
您需要做的就是每行生成一个未缩放的随机数，同时保持您生成的所有随机数的最大值。每当您更新最大值时，都会用当前行覆盖所选行。
最后，您会得到与 rand() 吐出的最大数字相关联的行，这在您的所有行中应该是同样可能的。
【讨论】：
简要说明Mark Ransom 避免整数溢出的方法：DS 没有 FPU，因此浮点除法将在软件中模拟，并且非常慢。如果速度是一个问题，您将不惜一切代价避免类型转换/提升为浮动或加倍。
这是避免任何浮点数学运算的整数溢出的另一种方法：
if(rand() <= RAND_MAX / count)
由于整数除法，概率可能略有偏差，但这在 DS 上运行肯定会更快。
【讨论】：
结合使用 Adam 的随机偏移到文件方法和 Mark 的概率方法。亚当的方法可以让你随机进入文件的一部分。然后您使用 Mark 的方法来避免偏爱较大的字符串。 Mark 的算法会优先选择从哪里开始的前几个字符串，
【讨论】：