C语言 - 从字符串中提取单词

Question

我是C语言新手，因此在使用指针时遇到了一些困惑。

我正在尝试从ASCII字符的字符串中提取单词。例如，如果我有字符串@@Hello..world>>，我想从字符串中获取单词“Hello”和“world”，然后将它们添加到我的链表中。

单词被定义为任何字母序列，每个单词最多为64字节。同时，任何使isspace()函数返回非零值的字符都被视为空白字符。

基本上，我正在使用fscanf从文件中扫描字符串，然后对于每个字符串，调用我的函数read_words(char *s)来从字符串中获取适当的单词并将它们添加到我的链表中以供进一步使用。

这是我的代码，似乎出现了与指针有关的错误。

struct node {
    char *val;
    struct node *next;
    int count;
} *words = NULL;


void read_words(char *s)
{
    struct node *tmp;
    char word[64+1];
    int i, check, wordStarted = 0, count = 0;

    for (i = 0; s[i] != '\0'; i++)
    {
            if ((isspace(s[i]) != 0) || !isalpha(s[i]))
            {
                    if (wordStarted == 1)
                    {
                            check = check_list(word);
                            if (check != 1) {
                                    word[count] = '\0';
                                    tmp = malloc(sizeof(struct node));
                                    tmp->val = word;
                                    tmp->count = 1;
                                    tmp->next = words;
                                    words = tmp;
                            }
                            count = 0;
                            wordStarted = 0;
                    }
            }
            else
            {
                    word[count++] = s[i];
                    wordStarted = 1;
            }
    }

}

任何关于这方面的帮助都将不胜感激！谢谢！

- Shabu

---

尝试使用 strtok，它可以根据任意数量的分隔符将字符串分成多个部分。 - chris

你尝试过对你的代码进行调试吗？ - Zeta

请发布您的check_list()实现。 - Andreas Wong

另外，你可以只写 if(isspace(s[i])) 而不是 if(isspace(s[i]) != 0)。虽然这与你的问题无关，但可以让代码更简洁。;) - noMAD

你知道你的算法在每次迭代中都会覆盖 tmp->val 吗？使用 strtok，为 tmp->val 分配内存，并将令牌复制到其中。 - Mario Aguilera

Answer 1

您需要对字符串进行标记化，而不是实现自己的算法并将其添加到链接列表中。使用 strtok (参考)。

从上面的链接示例：

#include <stdio.h>
#include <string.h>

int main ()
{
  char str[] ="- This, a sample string.";
  char * pch;
  printf ("Splitting string \"%s\" into tokens:\n",str);
  pch = strtok (str," ,.-");
  while (pch != NULL)
  {
    printf ("%s\n",pch);
    pch = strtok (NULL, " ,.-");
  }
  return 0;
}

输出：

Splitting string "- This, a sample string." into tokens:
This
a
sample
string

- Mario Aguilera

---

太好了，稍加调整就可以完美地解析命令行参数。 - ilomax

Answer 2

The ANSI C的更好解决方案。

使用strtok()并不总是好的：

1. 它会改变原始数组。
2. 空格分隔符“ ”会忽略类似字符：“\n”，“\t”和其他。

尝试下面的方法并阅读注释以了解详情：

#include <stdio.h>      // printf
#include <string.h>     // strlen, strncpy
#include <ctype.h>      // isalnum
#include <stdlib.h>     // malloc, calloc

/*
    A logical type
 */
typedef enum {
    false,
    true,
} bool;


/*
    A Struct for hold 2D-array with count items
 */
typedef struct _ListWithLength {
    char **list;
    size_t length;
} ListWithLength;


/*
    Parse a text and return pointer to a ListWithLength words and count it
 */
ListWithLength* getWords(char *text) {

    // a variable for count words
    int count = 0;

    // keep length of the text
    size_t text_len = strlen(text);

    // a flag indicating the a beginning of a word
    bool new_word = false;

    // an index of a start found a word
    int index_start_word = 0;

    // 2D-array for found word
    // it will be same memory size as the original text
    char **words = malloc(text_len * sizeof(char));

    for (int i = 0; i <= text_len; ++i) {

        // if found ascii letter or digits and new no traced early
        // keep index of beginning a new word
        // and change the flag
        if (isalnum(text[i]) != 0) {
            if (new_word == false) {
                new_word = true;
                index_start_word = i;
            }

        // if it is not ascii letter or digits and a word traced early
        // it means the word ended
        } else {
            if (new_word == true) {

                // allocate a memory for a new word in the array of words
                words[count] = malloc(i - index_start_word * sizeof(char) + 1);

                // copy the found word from the text by indexes
                strncpy(words[count], text + index_start_word, i - index_start_word);

                // change the flag
                new_word = false;

                // increase the counter of words
                count++;
            }
        };
    }

    // bind the found words and it count to a structure and return it
    ListWithLength *list_with_length = malloc(sizeof(ListWithLength));

    list_with_length->length = count;
    list_with_length->list = words;

    return list_with_length;
}


/*
    Print information of a ListWithLength
 */
void printListWithLength(ListWithLength *list_with_length) {
    printf("Total items: %li\n", list_with_length->length);
    puts("----------------------");
    for (int i = 0; i < list_with_length->length; ++i) {
        printf("%d. %s\n", i + 1, list_with_length->list[i]);
    }
}


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

    char c_keywords[300] = "auto else    long    switch\
    break\t   enum \t register    typedef\
    \ncase    extern,  return  union\
    ?char    float.   short   unsigned\
    const   !for signed  void\
    continue    goto    sizeof  volatile\
    .default???? if  static  while\
    do  int struct,,,,  _Packed\
    double.......";

    ListWithLength *list_with_length = getWords(c_keywords);
    printListWithLength(list_with_length);

    return 0;
}

编译并查看结果：

$ gcc -Wall -ansi -std=c11 -o main main.c
$ ./main 
Total items: 33
----------------------
1. auto
2. else
3. long
4. switch
5. break
6. enum
7. register
8. typedef
9. case
10. extern
11. return
12. union
13. char
14. float
15. short
16. unsigned
17. const
18. for
19. signed
20. void
21. continue
22. goto
23. sizeof
24. volatile
25. default
26. if
27. static
28. while
29. do
30. int
31. struct
32. Packed
33. double

- PADYMKO

---

malloc(i - index_start_word * sizeof(char) + 1) 中不是缺少了一个右括号吗？ - Wise Man

在我看来，有 选择 可以对待不同的空格字符是积极的，一旦需要处理 '\t' 等问题时。考虑如果strtok()把它们混合在一起但你需要分别处理它们，那么你会遇到什么问题。 - Technophile