從C中的文本文件讀取

Question

確實是一個小問題。 最好讀取一個包含X個單詞的文本文件，並將每個單詞一個接一個地添加到鏈接列表中。 即青蛙是老。

因此，The，Frog，Is和Old將分別放入一個ListNode中，所有這些都是從文件中讀取的。

真的想知道與fscanf一起使用的最佳功能，如果fscanf甚至是最佳選擇。 所有建議都很棒！

干杯。

編輯：我的查詢是真的，如果我想解析一個大的文本文件，是否最好將一個單詞fscanf逐個地放入數組，添加到列表，自由數組，然后重復？ 還是有更有效的方法

Answer 1

“％s”轉換說明符將匹配非空格字符。

#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可用於使用指定的一組字符（作為字符數組）將字符串標記化（分解）為子字符串。 您的系統可能還具有strsep ，旨在取代strtok 。 strtok和strsep修改您傳入的數組，因此請注意，這不會導致訪問數據的代碼其他部分出現問題。 strsep不是線程安全的； 如果您有多個線程訪問要解析的字符串，請使用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;
    }
}

由於第二個示例一次從文件中讀取一行以供strtok_r處理，因此如果文件中的任何一行的長度超過BUFSIZE-1 ^個字符，並且一行中的BUFSIZE-1 ^st和BUFSIZE ^th字符均為字母，則第二個示例將單詞分成兩部分。 一種解決方案是創建一個緩沖的字符串流，以便在到達緩沖區的末尾時，緩沖區中剩余的所有內容都移到最前面，而緩沖區的其余部分則充滿了文件中的更多數據（只是請注意字長比緩沖區長；在生產代碼中，這是一個潛在的安全漏洞，可能導致拒絕服務攻擊。

上述所有功能的問題是它們不能處理輸入中的空字符。 如果您想解析可能包含空字符的數據，則需要使用非標准函數，其中包括編寫自己的函數。

至於效率，您使用的任何算法都需要從文件中讀取（復雜度為O（n），並且需要I / O，從而降低程序速度）並分配內存來存儲字。 無論您使用fscanf ， strtok還是其他方法，時間和空間的復雜性變化都不大。 關於唯一可能的事情是分配了多少個中間緩沖區。 找到最有效的實施方案的最佳選擇是嘗試一對夫婦並進行介紹。

Answer 2

除非您擁有“效率不夠的方法”，否則您不應該在尋找“更有效的方法”。

但是類似strtok東西可能不需要大量malloc可以滿足您的需求。 它使您可以將琴弦切成適當的位置 。 （請謹慎使用！）

Answer 3

如果您追求高速，請在現代台式計算機上...您可以使用多線程。

• 一個線程填充字符緩沖區（例如4Ko），並且僅執行此操作
• 一個線程讀取緩沖區，解析單詞並將其添加到列表中
• 如果您不需要整個列表，則一個線程可以執行您在列表上所做的任何操作

這個想法是等待I / O時進程不會休眠。 如果您有很多CPU內核，則要提高速度，就是將文件切成大塊，然后一個內核處理一個塊。 復雜代碼和錯誤的機會很多，但是，速度並不便宜...