2

我有一个具有以下格式的多行 TSV 文件：

Type\tBasic Name\tAttribute\tA Long Description\n

如您所见，基本名称和描述都可以包含一些空格。我正在尝试读取每一行并提取元素。现在，我已将其范围缩小到仅提取基本名称。我的 fscanf 如下：

fscanf(file_in, "%*[^ ]s\t%128[^ ]s\t%*[^ ]s\t%[^ ]s\n", name_string, desc_string);

这不像我希望的那样起作用，而且我在缩小错误范围时遇到了麻烦。有谁知道我如何正确阅读这些行？

4

3 回答 3

3

我大多同意 Pablo 的观点（这个scanf家族并不擅长解析器），但了解如何编写scanf模式是值得的。您正在寻找的模式是这样的：

fscanf(" %*[^\t] %128[^\t] %*[^\t] %128[^\n]", name_string, desc_string)

笔记：

  1. %[xyz]是一个指令。%[xyz]s是两个指令，其中第二个与文字匹配s

  2. 据我所知，没有办法匹配单个文字制表符，因为模式中的任何空格都匹配输入中任何数量的空格（包括无空格）。我在示例中使用了一个空格，它将匹配一个终止选项卡，但它也将匹配任意数量的连续选项卡，因此无法正确解析空字段。

  3. 128 个字符的限制不包括终止 NUL 字符。

  4. 此外，如果扫描因超出字符限制而停止，它不会自动跳过该字段的其余部分，因此您最终会与输入不同步。

更好的模式是：

fscanf(" %*[^\t] %128[^\t]%*[^\t] %*[^\t] %128[^\n]%*[^\n]", name_string, desc_string)

如有必要，它会显式跳过字段中的剩余字符。更好的解决方案是使用a修饰符并为您获取fscanf内存malloc。

于 2012-10-10T23:47:48.470 回答
2

我宁愿用strtok这个。它比fscanf这个函数系列只在格式 100% OK 时才有效，否则你最终会丢失值。

看看Parallel to PHP's "explode" in C: Split char* into char* using delimiter，我在这里更详细地解释了如何使用strtok.

所以，阅读每一行fgets并用strtok.

于 2012-10-10T23:39:09.547 回答
0

首先，正如已经指出的那样，the%[]本身就是一个转换说明符。后面没有s了[]。您在格式字符串中的s-es 不会被视为转换说明符的一部分。你必须摆脱那些s-es。

其次，正如您自己所说，您的文件是 TAB 分隔的。这立即意味着您应该使用%[^\t]转换说明符（或%[^\n]最后一部分的说明符）来提取序列的连续部分。你为什么使用%[^ ]它，你期望它如何工作？实际上在空格字符处停止解析，这%[^ ]与您想要的相反。

在您的示例中，说明符的正确组合将是

fscanf(file_in, "%*[^\t]\t%128[^\t]\t%*[^\t]\t%[^\n]\n", name_string, desc_string);

此格式字符串假定字符串的所有 4 部分都保证存在，并且最后一部分保证以\n.

于 2012-10-10T23:59:37.517 回答