C 去除字符串中的特殊字符

Question

我是 C 的新手，我创建了一个从字符串中删除特殊字符并返回新字符串(没有特殊字符)的函数。

乍一看，这似乎运行良好，我现在需要在一个(巨大的)文本文件(100 万个句子)的行上运行这个函数。在几千行/句子(大约 4,000)之后我遇到了段错误。

我在 C 中的内存分配和字符串方面没有太多经验，我试图找出我的代码的问题所在，不幸的是没有任何运气。这是代码:

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

char *preproccessString(char *str) {
    // Create a new string of the size of the input string, so this might be bigger than needed but should never be too small
    char *result = malloc(sizeof(str));
    // Array of allowed chars with a 0 on the end to know when the end of the array is reached, I don't know if there is a more elegant way to do this
    // Changed from array to string for sake of simplicity
    char *allowedCharsArray = "ABCDEFGHIJKLMNOPQRSTUVWXYZ";
    // Initalize two integers
    // i will be increased for every char in the string
    int i = 0;
    // j will be increased every time a new char is added to the result
    int j = 0;
    // Loop over the input string
    while (str[i] != '\0') {
        // l will be increased for every char in the allowed chars array
        int l = 0;
        // Loop over the chars in the allowed chars array
        while (allowedCharsArray[l] != '\0') {
            // If the char (From the input string) currently under consideration (index i) is present in the allowed chars array
            if (allowedCharsArray[l] == toupper(str[i])) {
                // Set char at index j of result string to uppercase version of char currently under consideration
                result[j] = toupper(str[i]);
                j++;
            }
            l++;
        }
        i++;
    }
    return result;
}

这是程序的其余部分，我认为问题可能出在这里。

int main(int argc, char *argv[]) {
    char const * const fileName = argv[1];
    FILE *file = fopen(fileName, "r");
    char line[256];

    while (fgets(line, sizeof(line), file)) {
        printf("%s\n", preproccessString(line)); 
    }

    fclose(file);

    return 0;
}

Answer 1

你有几个问题。

1. 您没有分配足够的空间。 sizeof(str) 是指针的大小，而不是字符串的长度。你需要使用

char *result = malloc(strlen(str) + 1);

+ 1 用于终止空字节。

1. 您没有向结果字符串添加终止空字节。添加

result[j] = '\0';

在返回结果之前；

1. 一旦您发现该字符与允许的字符相匹配，就无需继续循环遍历其余的允许字符。在j++之后添加break。

2. 您的 main() 函数永远不会释放 preprocessString() 的结果，因此您可能会耗尽内存。

   <

while (fgets(line, sizeof(line), file)) {
    char *processed = preproccessString(line);
    printf("%s\n", processed); 
    free(processed);
}

如果让调用者传入结果字符串而不是在函数中分配它，则可以解决其中的大部分问题。只需在 main() 函数中使用两个 char[256] 数组即可。

int main(int argc, char *argv[])
{
    char const* const fileName = argv[1];
    FILE* file = fopen(fileName, "r");
    char line[256], processed[256];

    while (fgets(line, sizeof(line), file)) {
        processString(line, processed);
        printf("%s\n", processed); 
    }

    fclose(file);

    return 0;
}

然后只需更改函数，使参数为:

void preprocessString(const char *str, char *result)