使用fget在C中找到特定標簽后讀取文件的部分

Question

我想對如何讀取類似“ XML”的文件提出一些建議，使程序僅讀取/存儲在滿足某些要求的節點中觀察到的元素。 我正在考慮通過以下方式使用兩個fget：

while (fgets(file_buffer,line_buffer,fp) != NULL)
 {
   if (p_str = (char*) strstr(file_buffer,"<element of interest opening")) )
    {
      //new fgets that starts at fp and runs only until the end of the node
       {
         //read and process
       }
    }
 }

這有意義嗎，或者有更聰明的方法嗎？

其次（按照我的想法），我是否需要定義一個新的FILE *（如fr），在第二個fget的開頭將fr設置為fp，或者我是否可以為此濫用原始文件指針？

Answer 1

使用XML解析器，例如Xmllib2 http://xmlsoft.org/xml.html

Answer 2

您的方法似乎對這項工作並不壞。

您可以從文件中讀取整行，然后使用sprintf，strstr或任何您喜歡的函數對其進行處理。 這將節省您的時間和FILE I / O的不必要的開銷。

根據您的第二個想法，您可以使用同一文件指針fp使用fseek() （參見： man fseek ）或rewind() （參見： man rewind ）。 您不需要額外的文件指針。

編輯：

如果您可以更改標簽格式以遵循XML結構，則可以正確使用libXML2和此類庫。

如果那不可能，那么您必須編寫自己的解析器。 一些提示：

1. 首先將文件中的數據提取到緩沖區中，緩沖區的大小以及動態分配還是靜態分配都取決於您的規格。

2. 如果非空白字符是<或標記通常以其開頭的任何字符，請在緩沖區中搜索。 如果沒有，您可以顯示錯誤並退出。

3. 現在跟隨標記名稱，直到第一個空格或/或>字符。 存放它們。 根據需要處理=，字符串和內容。

4. 如果下一個非空白字符為/，請檢查其后是否帶有>（或您的規格中的類似模式以查找標記是否結束）。 如果是這樣，則說明您已完成解析並可以返回結果。 否則，您的標簽格式錯誤，應該退出並出現錯誤。

   如果字符是>，則您已找到begin標記的末尾。 現在遵循的內容。 否則，接下來是一個論點。 解析該結果，存儲結果，繼續執行步驟4。

5. 閱讀內容，直到找到一個<字符。

6. 如果該字符后跟/，則為結束標記。 確認其后跟標簽名稱和>。 如果是，則返回結果，否則拋出錯誤。

7. 如果到達這里，您將發現嵌套XML的開始。 使用此算法對此進行解析，然后再次從4開始。

盡管這是一個非常基本的想法，但我希望它可以幫助您入門。

編輯：如果您仍要引用該文件作為指針，請考慮使用mmap() 。

如果在mmap添加一點shared memory IPC和足夠的內存鎖定內容，則可以編寫並行處理程序，該程序將更快地處理大多數文件。