c - 读取每行两个单词的文件并在 C 中以有效的方式保存单词

Question

我有一个文本文件，每行都有一对单词，我用它来阅读它们:

for (i=0, j=0; (c=fgetc(fp))!=EOF; i++){
    if (c == ' '){
        pares[j].par1[i] = '\0';

        for (i=0; (c=fgetc(fp))!= '\n'; i++){
            pares[j].par2[i] = c;
        }
        j++;            
        i= -1;
    }
    else{
        pares[j].par1[i]=c;
    }
}

n_pares = j;
fclose(fp);

“pares”是一个包含行的第一个词 (par1) 和第二个词 (par2) 的结构，我知道我不需要这样做。但我不知道这是否是最有效的方法。因为在 python 中我只会使用函数 split() 而我不需要执行 for 循环。谁能告诉我是否有更有效的方法？

Answer 1

与逐个字符读取相比，分配一个大的行缓冲区一次，将行读入该缓冲区，然后将其处理成大小更合适的片段通常更有效。

char line[1024];
while(fgets(line, 1024, fp) != NULL) {
    ...now process line...
}

在 C 中拆分一行比在高级语言中要困难一些。标准函数是strtok (字符串标记)，使用起来有点有趣。

    const char sep[] = " \t\n";

    for(
        char *token = strtok( line, sep );
        token != NULL;
        token = strtok( NULL, sep )
    ) {
        printf("%s ", token);
    }

    printf("\n");

发生的事情是 strtok 在查看字符串时记住它的位置，但它一次只能对一个字符串执行此操作。在字符串中传递它会将其重置回开头。所以 strtok( line, sep ) 在 line 上启动进程，并且 strtok( NULL, sep ) 在 line 上获取下一个标记 直到没有剩余。

此全局状态由对 strtok 的所有调用共享，因此在使用 strtok 时调用另一个函数甚至不安全，该函数也可能调用 strtok 并重置状态。

非标strtok_r更安全，它使用一个变量来记住它在哪里。 strsep有更好的接口(interface)，但它也是非标准的。

这些都是通过修改正在迭代的字符串来工作的。 token 只是指向 line 的指针。例如，如果我们有这样的东西:

// Let's say line is pointing at memory location 1000
// 'U' is at 1000, 'p' is at 1001, ' ' is at 1002, etc...
line = 1000
 |
 v
"Up down\n\0"

第一次调用 char *token = strtok( line, sep ); 结果。

line = 1000
 |
 v
"Up\0down\n\0"
 ^
 |
token = 1000

token 指向字符串的开头，但请注意空格已替换为空字节。这使您可以将 token 用作字符串 "Up" 而无需分配新内存。注意字符串被修改了!

第二个 token = strtok( NULL, sep ) 导致 token 移动。

line = 1000
 |
 v
"Up\0down\0\0"
     ^
     |
    token = 1003

末尾的换行符已替换为空字节。现在 token 包含字符串 "down"，但它只是指向与 line 共享的内存。如果你打印 line，你会得到 "Up"。

在最后的 token = strtok( NULL, sep ) 中，token 将被设置为 NULL，因为不再有非分隔符。 行保持修改状态。

line = 1000
 |
 v
"Up\0down\0\0"

token = NULL

要点是，您不能存储 token，因为它指向 line 并且 line 将更改循环的下一次迭代。您必须复制 token 指向的字符串，如 strdup .这是非常有效的内存，它避免了不必要的内存分配和复制，但如果您来自高级语言，可能会有点难以理解。