C隔離文本文件中的“僅字符串”

Question

我有一個文本文件，其中有1個單詞后跟~100個浮點數。 浮點數由空格，制表符或換行符分隔。 此格式在整個文本文件中重復多次。

例如，這就是文本文件的樣子：

one 0.00591 0.07272 -0.78274 ... 
0.0673 ...
0.0897 ...
two 0.0654 ...
0.07843 ...
0.0873 ...
three ...
...
...

我的問題是，如何計算文件中的單詞數量，我嘗試使用fscanf但是一旦它讀取第一個單詞，之后我必須跳過所有浮點數直到下一個單詞。

任何幫助將非常感激。

謝謝。

Answer 1

我將為您提供一個可能的解決方案的高級概述，讓您自己弄清楚如何將其轉換為C.

• 使用零初始化單詞數（非數字）的計數器。
• 逐行讀取文件。 對於每一行，重復以下步驟：
  • 將該行標記為白色空格分隔的單詞。 對於每個單詞，請重復以下操作：
    • 如果單詞可以解析為數字，則不執行任何操作並繼續。
    • 否則，遞增計數器。

您可能會發現一些有用的庫函數：

• getline讀取單行輸入。 它不是官方標准庫的一部分，而是作為許多實現的擴展提供的，包括GNU的libc。 如果你沒有它，你可以使用fgets和realloc自己動手。
• strtok標記一個字符串，雖然使用起來有點尷尬。 如果你想自己標記，你會發現isspace很有用。 您將需要用NUL字節替換空白字符，以便將它們之間的字符視為單獨的NUL終止字符串。
• strtod嘗試將字符數組解析為double 。

您可以實現自己的小有限自動機，而不是使用庫函數將數字解析為double 。 這是自動機理論中的經典教學實例。 例如，參見本講座 （向下滾動“浮點數的語言”）。

Answer 2

這是一種逐字逐句的方法（不需要緩沖區）。 我很確定邏輯是合理的。

#include <stdio.h>

int is_alpha(char c)
{
    //only works for some character encodings
    return (c >= 'a' && c <= 'z') || (c >= 'A' && c <= 'Z');
}
int main(void)
{
    FILE *file_ptr;
    int character;
    int prev_char_was_letter = 0;
    int word_count = 0;
    file_ptr = fopen("my_file.txt", "r");
    if (!file_ptr) 
    { 
        fprintf(stderr, "can't open file\n");
        return 1;
    }
    character = fgetc(file_ptr);
    while (character != EOF)
    {
        if (is_alpha(character) && !prev_char_was_letter) 
        {
            word_count++;
            prev_char_was_letter = 1;
        }
        else if (!is_alpha(character))
        {
            prev_char_was_letter = 0;
        }
        character = fgetc(file_ptr);
    }
    printf("%d\n", word_count);
    fclose(file_ptr);
}

Answer 3

已經建議的替代解決方案是使用strtok（）進行分隔和isalpha（）函數。 這是一個完成工作的程序示例。

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <ctype.h>

char delim[4]={' ','\t',0x0a,0x0d};
#define MAX_LINE 1024

int isaword(char *);

int main(int argc,char **argv)
{
    FILE *fp;
    char line[MAX_LINE];
    char *s;
    int wcnt=0;

    if(argc==1)
    {
        fp = stdin;
    }
    else
    {
        fp = fopen(argv[1],"r");
    }
    if(fp==0)
    {
        return -1; ///file not found
    }
    while(!feof(fp))
    {
        s=fgets(line,MAX_LINE,fp);
        if(s)
        {
            s=strtok(line,delim);
            while(s!=NULL)
            {
                if(isaword(s))
                {
                    wcnt++;
                }
                s=strtok(NULL,delim);    
            }
        }
    }
    fclose(fp);
    printf("word count = %d",wcnt);
    return 0;
}

int isaword(char *w)
{
    int result = 1;
    int i;
    for(i=0;i<strlen(w);i++)
    {
        result = isalpha(w[i]);
        if(result==0)
        {
            break;
        }
    }
    return result;
}

解決方案中的免責聲明 - “單詞”的定義基於函數isalpha 。

Answer 4

你可以這樣做：

void foo() {
    FILE *file = fopen("file.txt", "r");
    char buffer[10000]; // your choice
    while(fscanf(file, "%s", buffer) > 0) {
        int i = 0;
        int word = 0;
        int number_of_dots = 0;
        while(i < strlen(buffer)) {
            if(!isdigit(buffer[i]) && buffer[i] != '.') {
                if(!(i == 0 && buffer[i] == '-')) {
                    word = 1;
                    break;
                }

            }
            if(buffer[i] == '.') number_of_dots++;
            i++;
        }
        if(word || number_of_dots > 1) {
            printf("%s ", buffer);
            puts("It's a word!");
        }
    }
}