从C中的文本文件读取

Question

确实是一个小问题。 最好读取一个包含X个单词的文本文件，并将每个单词一个接一个地添加到链接列表中。 即青蛙是老。

因此，The，Frog，Is和Old将分别放入一个ListNode中，所有这些都是从文件中读取的。

真的想知道与fscanf一起使用的最佳功能，如果fscanf甚至是最佳选择。 所有建议都很棒！

干杯。

编辑：我的查询是真的，如果我想解析一个大的文本文件，是否最好将一个单词fscanf逐个地放入数组，添加到列表，自由数组，然后重复？ 还是有更有效的方法

Answer 1

“％s”转换说明符将匹配非空格字符。

#define QUOTE(s) #s
#define STR(s) QUOTE(s)

#ifndef BUFSIZE
#  define BUFSIZE 255
#endif

char buf[BUFSIZE+1];
while (fscanf(fin, "%" STR(BUFSIZE) "s", buf)) {
    /* buf holds next word. Todo:
       + allocate space for word
       + copy word to newly allocated space
       + add to linked list
     */
}

另外， strtok可用于使用指定的一组字符（作为字符数组）将字符串标记化（分解）为子字符串。 您的系统可能还具有strsep ，旨在取代strtok 。 strtok和strsep修改您传入的数组，因此请注意，这不会导致访问数据的代码其他部分出现问题。 strsep不是线程安全的； 如果您有多个线程访问要解析的字符串，请使用strsep或strtok_r 。

#ifndef BUFSIZE
#  define BUFSIZE 256
#endif

const char separators[] = "\t\n\v\r\f !\"#$%&'()*+,-./:;<=>?@[\\]^`{|}~";
char buf[BUFSIZE], *line, *word, *rest;

while (fgets(buf, BUFSIZE+1, fin)) {
    rest = line = buf;
    while ((word = strtok_r(line, separators, &rest))) {
        /* Todo:
           + allocate space for word
           + copy word to newly allocated space
           + add to linked list
        */
        line=rest;
    }
}

由于第二个示例一次从文件中读取一行以供strtok_r处理，因此如果文件中的任何一行的长度超过BUFSIZE-1 ^个字符，并且一行中的BUFSIZE-1 ^st和BUFSIZE ^th字符均为字母，则第二个示例将单词分成两部分。 一种解决方案是创建一个缓冲的字符串流，以便在到达缓冲区的末尾时，缓冲区中剩余的所有内容都移到最前面，而缓冲区的其余部分则充满了文件中的更多数据（只是请注意字长比缓冲区长；在生产代码中，这是一个潜在的安全漏洞，可能导致拒绝服务攻击。

上述所有功能的问题是它们不能处理输入中的空字符。 如果您想解析可能包含空字符的数据，则需要使用非标准函数，其中包括编写自己的函数。

至于效率，您使用的任何算法都需要从文件中读取（复杂度为O（n），并且需要I / O，从而降低程序速度）并分配内存来存储字。 无论您使用fscanf ， strtok还是其他方法，时间和空间的复杂性变化都不大。 关于唯一可能的事情是分配了多少个中间缓冲区。 找到最有效的实施方案的最佳选择是尝试一对夫妇并进行介绍。

Answer 2

除非您拥有“效率不够的方法”，否则您不应该在寻找“更有效的方法”。

但是类似strtok东西可能不需要大量malloc可以满足您的需求。 它使您可以将琴弦切成适当的位置 。 （请谨慎使用！）

Answer 3

如果您追求高速，请在现代台式计算机上...您可以使用多线程。

• 一个线程填充字符缓冲区（例如4Ko），并且仅执行此操作
• 一个线程读取缓冲区，解析单词并将其添加到列表中
• 如果您不需要整个列表，则一个线程可以执行您在列表上所做的任何操作

这个想法是等待I / O时进程不会休眠。 如果您有很多CPU内核，则要提高速度，就是将文件切成大块，然后一个内核处理一个块。 复杂代码和错误的机会很多，但是，速度并不便宜...