在文本文件中仅隔离“字符串”的方法是什么？（C语言相关）

Question

我可以为您翻译以下内容：

我有一个文本文件，其中包含1个单词，后面跟着约100个浮点数。这些浮点数用空格、制表符或换行符分隔。此格式在整个文本文件中多次重复。

例如，这就是文本文件的样子：

one 0.00591 0.07272 -0.78274 ... 
0.0673 ...
0.0897 ...
two 0.0654 ...
0.07843 ...
0.0873 ...
three ...
...
...

我的问题是，如何计算文件中的单词数，我尝试使用fscanf，但一旦它读取第一个单词，之后我就必须跳过所有浮点数直到下一个单词。

任何帮助都将不胜感激。

谢谢。

- M. Averbach

---

你为什么要限制自己只使用 C 语言？使用 awk、perl 等语言来解决这些问题可能会更加容易。你考虑一下这个选项吗？ - Dirk Herrmann

请展示您当前的代码。 - mikedu95

正如@DirkHerrmann所建议的那样，除非你有一个必须使用C语言完成的作业，否则使用其他编程语言会更容易。如果你只是想计算单词数，你也可以尝试使用wc命令来完成这个任务。 - vmonteco

http://ideone.com/Ugvj6Y - BLUEPIXY

scanf系列函数几乎总是在任何严肃的解析中都是错误的选择。 - Arlie Stephens

Answer 1

我会给您提供一个高层次的解决方案概述，让您自行思考如何将其转换为C语言。

• 初始化一个非数字单词计数器为零。
• 逐行读取文件。对于每一行，重复以下步骤：
  • 将该行分词成以空格分隔的单词。对于每个单词，重复以下步骤：
    • 如果该单词可以解析为数字，则不做任何操作并继续。
    • 否则，增加计数器。

您可能会发现以下一些库函数很有用：

• getline用于读取一行输入，虽然它不是官方标准库的一部分，但许多实现（包括GNU的libc）都提供了扩展功能。如果您没有它，可以使用fgets和realloc自己编写。
• strtok用于将字符串分词，但使用起来有些棘手。如果要手动分词，您会发现isspace很有用。您需要用NUL字节替换空白字符，以便将它们之间的字符视为单独的NUL终止字符串。
• strtod用于尝试将字符数组解析为double。

除了使用库函数将数字解析为double之外，您还可以实现自己的有限状态机。这是自动机理论中的经典教学示例。例如，请参见此讲座（向下滚动查找“浮点数的语言”）。

- 5gon12eder

Answer 2

这里提供一种逐个字符执行的方法（无需缓冲区）。我非常确定该逻辑是正确的。

#include <stdio.h>

int is_alpha(char c)
{
    //only works for some character encodings
    return (c >= 'a' && c <= 'z') || (c >= 'A' && c <= 'Z');
}
int main(void)
{
    FILE *file_ptr;
    int character;
    int prev_char_was_letter = 0;
    int word_count = 0;
    file_ptr = fopen("my_file.txt", "r");
    if (!file_ptr) 
    { 
        fprintf(stderr, "can't open file\n");
        return 1;
    }
    character = fgetc(file_ptr);
    while (character != EOF)
    {
        if (is_alpha(character) && !prev_char_was_letter) 
        {
            word_count++;
            prev_char_was_letter = 1;
        }
        else if (!is_alpha(character))
        {
            prev_char_was_letter = 0;
        }
        character = fgetc(file_ptr);
    }
    printf("%d\n", word_count);
    fclose(file_ptr);
}

- Ben

Answer 3

除了已经提出来的解决方案外，另一个选择是使用strtok()进行分隔和isalpha()函数。下面是一个执行此任务的程序示例。

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

char delim[4]={' ','\t',0x0a,0x0d};
#define MAX_LINE 1024

int isaword(char *);

int main(int argc,char **argv)
{
    FILE *fp;
    char line[MAX_LINE];
    char *s;
    int wcnt=0;

    if(argc==1)
    {
        fp = stdin;
    }
    else
    {
        fp = fopen(argv[1],"r");
    }
    if(fp==0)
    {
        return -1; ///file not found
    }
    while(!feof(fp))
    {
        s=fgets(line,MAX_LINE,fp);
        if(s)
        {
            s=strtok(line,delim);
            while(s!=NULL)
            {
                if(isaword(s))
                {
                    wcnt++;
                }
                s=strtok(NULL,delim);    
            }
        }
    }
    fclose(fp);
    printf("word count = %d",wcnt);
    return 0;
}

int isaword(char *w)
{
    int result = 1;
    int i;
    for(i=0;i<strlen(w);i++)
    {
        result = isalpha(w[i]);
        if(result==0)
        {
            break;
        }
    }
    return result;
}

解决方案中的免责声明 - "单词"的定义基于isalpha函数的功能。

- Ivan Angelov

Answer 4

你可以像这样做：

void foo() {
    FILE *file = fopen("file.txt", "r");
    char buffer[10000]; // your choice
    while(fscanf(file, "%s", buffer) > 0) {
        int i = 0;
        int word = 0;
        int number_of_dots = 0;
        while(i < strlen(buffer)) {
            if(!isdigit(buffer[i]) && buffer[i] != '.') {
                if(!(i == 0 && buffer[i] == '-')) {
                    word = 1;
                    break;
                }

            }
            if(buffer[i] == '.') number_of_dots++;
            i++;
        }
        if(word || number_of_dots > 1) {
            printf("%s ", buffer);
            puts("It's a word!");
        }
    }
}

- Paulo