c - 将输入文件标记为链表

Question

我正在尝试对输入文件进行标记并将其各个单词存储在按字数组织的链接列表中。我一直在努力将标记化的字符串存储到节点中，并且在努力理解我的 tokenizing/inserting 过程中有什么不正确的地方。目前，在打印存储的字符串时，每个字符串的第一个字母被截断，并且每个字符串的末尾和看似随机的垃圾。我尝试了以下方法来修复我的错误:

1. 标记化后以空值终止每个字符串(我把它留在我的程序，因为它看起来是正确的)
2. 使用 strncpy() 代替 new_word->str = str;
3. 将指向标记化字符串的指针传递给我的插入函数，而不是仅仅传递字符串本身。

下面是我的代码:

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

typedef struct word{ 
    int length; 
    char *str; 
    struct word *left;
    struct word *right; 
    struct word *down;
}word;


void print_list(word **head){ 

    word *temp_traverse = *head;
    word *temp_down;

    for( ; temp_traverse!=NULL; temp_traverse = temp_traverse->right){ 
        temp_down = temp_traverse;
        for( ; temp_down!=NULL; temp_down = temp_down->down){ 
            printf("Count: %d, String: %s\n", temp_down->length, temp_down->str);
        }
    }

}


int is_empty(word **head, word **tail){ 

    if((*head == NULL)||(*tail == NULL))
        return 1;

    return 0;
}

void insert(word **head, word **tail, word *new_word){ 

    if(is_empty(head, tail)){
        (*head) = new_word; 
        (*tail) = new_word;
        return;
    }

    if((new_word->length)<((*head)->length)){ 
        new_word->right = (*head);
        (*head)->left = new_word;
        (*head) = new_word;
        return;
    }

    word *temp = *head;

    while(((temp->right)!=NULL) && ((temp->length)<(new_word->length))) 
        temp = temp->right;

    if((temp->length) == (new_word->length)){
        while(temp->down != NULL)
            temp = temp->down;
        temp->down = new_word;
        return;
    }

    if(temp->right == NULL){
        word* last = (*tail);
        last->right = new_word;
        new_word->left = last; 
        (*tail) = new_word;
        return;
    }

    word* next = temp->right;
    temp->right = new_word;
    next->left = new_word; 
    new_word->left = temp; 
    new_word->right = next;

    return;
}

void create(word **head, word **tail, char **str){ 

    word *new_word = (word*)malloc(sizeof(word));
    int length = strlen(*str);

    if(new_word == NULL){
            fprintf(stderr, "Error creating a new word node.\n");
            exit(0);
        }

    new_word->str = (char*)malloc(sizeof(*str));
    strncpy(new_word->str, *str, length);
    //new_word->str = *str;
    new_word->length = length;
    printf("%s ", new_word->str); //test print

    new_word->left = NULL;
    new_word->right = NULL;
    new_word->down = NULL;

    insert(head, tail, new_word);

    return;
}


void tokenize(word **head, word **tail, char words_buffer[]){ 

    char *cur; 

    cur = strtok(words_buffer, " .,;()\t\r\v\f\n");

    *cur++ = '\0';
    create(head, tail, &cur);

    /* tokenize the next string and reset the "duplicate" variable */
    while((cur = strtok(NULL, " .,;()\t\r\v\f\n")) != NULL){
        //cur = strtok(NULL, " .,;()\t\r\v\f\n"); 
        *cur++ = '\0';      
        if(cur){
            create(head, tail, &cur);
        }
    }

}

int main(int argc, char *argv[]){ 

    FILE *fp;
    word *head = NULL; 
    word *tail = NULL;

    /*if(argc<3){
        printf("Failure: not enough arguments");
        return -1; 
    }*/

    fp = fopen(argv[1], "r");
    fseek(fp, 0, SEEK_END);
    char words_buffer[ftell(fp)+1];
    fseek(fp, 0, SEEK_SET);

    if(fp==NULL){
        printf("Failure: unreadable file");
        return -1;
    }

    while(fgets(words_buffer, sizeof(words_buffer), fp)){
            if(strlen(words_buffer)>1)
                tokenize(&head, &tail, words_buffer);
    }

    //print_list(&head);

    fclose(fp);
    return 0;
} 

我留下了我的测试字符串打印供您引用。您还会注意到我现在没有使用 print_list，因为我还没有正确存储字符串。

由于末尾的垃圾，我假设我错误地使用了指向字符串的指针，或者 malloc() 占用了太多空间。至于截断，我不确定，但我认为它与我的 *cur++ = '\0'; 行有关。

非常感谢任何帮助，感谢您抽出宝贵的时间来看看。

Answer 1

您没有使用 strncpy() 复制整个字符串。

事实上，当你获得长度时，你复制的字符太少了:

int length = strlen(*str);

如 strncpy() 联机帮助页所述:

Warning: If there is no null byte among the first n bytes of src, the string placed in dest will not be null-terminated.

因此，请确保当您使用对以 null 结尾的字符串进行操作的函数时，例如大多数标准库 str*() 函数，您考虑了 '\0' 终止符:

int 长度 = strlen(*str) + 1;

另外，顺便说一句，malloc() 返回的 void * 被隐式转换为任何对象指针类型，因此不是:

word *new_word = (word*)malloc(sizeof(word));

你应该简单地使用:

word *new_word = malloc(sizeof(word));

甚至更好:

word *new_word = malloc(sizeof *new_word);

避免在声明中更改指针类型而不是 malloc() 调用引起的错误。

sizeof 运算符不计算非可变长度数组表达式，因此这是获取对象大小的更可靠的方法。

编辑

至于缺少每个字符串的第一个字符，我认为这是由于:

*cur++ = '\0';

因为这只是无用地将 cur[0] 设置为 '\0'，然后递增指针；该字符串现在从您单词的第二个字母开始。