Wyszukiwanie ciągu w pliku tekstowym C

Question

Poniższy kod odczytuje plik tekstowy o jeden znak w czasie i wydrukować go na standardowe wyjście:

#include <stdio.h> 

int main() 
{ 
    char file_to_open[] = "text_file.txt", ch; 
    FILE *file_ptr; 

    if((file_ptr = fopen(file_to_open, "r")) != NULL) 
    { 
     while((ch = fgetc(file_ptr)) != EOF) 
     { 
      putchar(ch); 
     } 
    } 
    else 
    { 
     printf("Could not open %s\n", file_to_open); 
     return 1; 
    } 
    return(0); 
} 

Ale zamiast drukować na stdout [putchar (ch)] Chcę przeszukuj plik pod kątem określonych ciągów podanych w innym pliku tekstowym, tj. strings.txt i wyjście linia z meczu na out.txt

text_file.txt:

 
1993 - 1999 Pentium 
1997 - 1999 Pentium II 
1999 - 2003 Pentium III 
1998 - 2009 Xeon 
2006 - 2009 Intel Core 2 

strings.txt:

 
Nehalem 
AMD Athlon 
Pentium 

w tym przypadku trzy pierwsze linie text_file.txt będzie pasować. Zrobiłem trochę badań operacji na plikach w C i wydaje mi się, że mogę czytać jedną postać w tym czasie z fgetc [jak ja robię w moim kodzie], jedną linię z fgets i jednym blokiem z fread, ale bez słowa jak sądzę byłby idealny w mojej sytuacji?

Answer 1

Zakładam, że jest to ćwiczenie do nauki i po prostu szukasz miejsca do rozpoczęcia. W przeciwnym razie nie powinieneś odkrywać koła na nowo.

Poniższy kod powinien dać ci wyobrażenie o tym, co się dzieje. Jest to program, który pozwala określić nazwę przeszukiwanego pliku i pojedynczy argument do wyszukania w tym pliku. Powinieneś być w stanie zmodyfikować to, aby umieścić wyrazy do wyszukiwania w tablicy napisów i sprawdzić, czy którekolwiek ze słów w tej tablicy pojawiają się w jednym z wierszy przeczytać.

Kluczową funkcją, której szukasz, jest strstr.

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

#ifdef DEBUG 
#define INITIAL_ALLOC 2 
#else 
#define INITIAL_ALLOC 512 
#endif 

char * 
read_line(FILE *fin) { 
    char *buffer; 
    char *tmp; 
    int read_chars = 0; 
    int bufsize = INITIAL_ALLOC; 
    char *line = malloc(bufsize); 

    if (!line) { 
     return NULL; 
    } 

    buffer = line; 

    while (fgets(buffer, bufsize - read_chars, fin)) { 
     read_chars = strlen(line); 

     if (line[read_chars - 1] == '\n') { 
      line[read_chars - 1] = '\0'; 
      return line; 
     } 

     else { 
      bufsize = 2 * bufsize; 
      tmp = realloc(line, bufsize); 
      if (tmp) { 
       line = tmp; 
       buffer = line + read_chars; 
      } 
      else { 
       free(line); 
       return NULL; 
      } 
     } 
    } 
    return NULL; 
} 

int 
main(int argc, char *argv[]) { 
    FILE *fin; 
    char *line; 

    if (argc != 3) { 
     return EXIT_FAILURE; 
    } 

    fin = fopen(argv[1], "r"); 

    if (fin) { 
     while (line = read_line(fin)) { 
      if (strstr(line, argv[2])){ 
       fprintf(stdout, "%s\n", line); 
      } 
      free(line); 
     } 
    } 

    fclose(fin); 
    return 0; 
} 

Przykładowe wyjście:

 
E:\Temp> searcher.exe searcher.c char 
char * 
    char *buffer; 
    char *tmp; 
    int read_chars = 0; 
    char *line = malloc(bufsize); 
    while (fgets(buffer, bufsize - read_chars, fin)) { 
     read_chars = strlen(line); 
     if (line[read_chars - 1] == '\n') { 
      line[read_chars - 1] = '\0'; 
       buffer = line + read_chars; 
main(int argc, char *argv[]) { 
    char *line; 

Answer 2

Pamiętaj: fgetc(), getc(), getchar() all zwracają liczbę całkowitą, a nie znak. Liczba całkowita może być EOF lub poprawnym znakiem - ale zwraca jeszcze jedną wartość niż zakres obsługiwany przez typ znaku.

Piszesz substytut polecenia „fgrep”:

fgrep -f strings.txt text_file.txt > out.txt 

Zamiast znaków czytanie, masz zamiar trzeba czytać wiersze - przy użyciu fgets(). (Zapomnij, że funkcja gets() istnieje!)

Podszedłem do twojego kodu i wstawiłem return 0; na końcu dla ciebie (chociaż C99 wykonuje domyślny "return 0;" jeśli spadniesz z końca main()). Jednak C99 wymaga również jawnego typu zwrotu dla każdej funkcji - i dodałem "int" do "int main()" dla ciebie (ale nie możesz użyć wymowy zgodnej z C99, aby nie zwrócić 0 na końcu). Komunikaty o błędach powinny być zapisywane w standardowym błędzie, a nie w standardowym wyjściu.

Prawdopodobnie będziesz musiał użyć alokacji dynamicznej dla listy łańcuchów. Proste wyszukiwanie po prostu zastosuje "strstr()", wyszukując każdy z wymaganych ciągów w każdym wierszu wejścia (upewniając się, że przerwiesz pętlę po znalezieniu dopasowania, aby linia nie była powtarzana, jeśli istnieje wiele dopasowań w jednej linii).

Bardziej wyrafinowane wyszukiwanie pozwoliłoby na wstępne obliczenie, które znaki można zignorować, aby można było wyszukiwać wszystkie ciągi równolegle, przeskakując tekst szybciej niż pętla w pętli. Może to być modyfikacja algorytmu wyszukiwania, takiego jak Boyer-Moore lub Knuth-Morris-Pratt (dodana: lub Rabin-Karp, który jest przeznaczony do równoległego wyszukiwania wielu ciągów).

Answer 3

Odczytywanie bloków jest zawsze lepsze, ponieważ tak działa bazowy system plików.

Dlatego po prostu czytaj bloki, sprawdź, czy któreś z twoich słów pojawiają się w buforze, , a następnie przeczytaj inny bufor pełny. Musisz tylko zachować ostrożność, aby powtórzyć kilka ostatnich znaków poprzedniego bufora w nowym, aby uniknąć braku wykrycia, jeśli słowa wyszukiwania znajdują się na granicy bufora.

Jeśli ten trywialny algorytm nie jest wystarczający (w twoim przypadku jest to prawdopodobnie), istnieje znacznie bardziej wyrafinowany algorytm do wyszukiwania jednocześnie kilku podciągów w jednym buforze, cf Rabin-Karp.

Answer 4

cat strings.txt |while read x; do grep "$x" text_file.txt; done