Question

我正在阅读具有以下格式的文件：

    /* ...more text above */
    [Text=WORKING CharacterOffsetBegin=73516 CharacterOffsetEnd=73523 PartOfSpeech=VBG                 
    Lemma=work] [Text=MEN CharacterOffsetBegin=73524 CharacterOffsetEnd=73527                    
    PartOfSpeech=NNS Lemma=man] [Text=OF CharacterOffsetBegin=73528
    CharacterOffsetEnd=73530 PartOfSpeech=IN Lemma=of] [Text=ALL
    CharacterOffsetBegin=73531 CharacterOffsetEnd=73534 PartOfSpeech=NN Lemma=all] 
    [Text=COUNTRIES CharacterOffsetBegin=73535 CharacterOffsetEnd=73544 PartOfSpeech=NNS 
    Lemma=country] [Text=, CharacterOffsetBegin=73544 CharacterOffsetEnd=73545
    PartOfSpeech=, Lemma=,] [Text=UNITE CharacterOffsetBegin=73546
    CharacterOffsetEnd=73551 PartOfSpeech=VB Lemma=unite] [Text=!
    CharacterOffsetBegin=73551 CharacterOffsetEnd=73552 PartOfSpeech=. Lemma=!]
    /* ...more text below */

我想要做的是提取到 Text = 和 Lemma = 给出的字符串数组中。例如，对于上面的文本，输出将是：

 WORKING
 work
 MEN
 man
 OF
 of

等等。我尝试了什么：

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

#define MAX_LINE 4096

int main()
{
  FILE *fp;
  fp = fopen("moby.txt.out", "r");

  char *linha = malloc(MAX_LINE);
  int s, t;
  char lemma[100];

  while(fgets(linha, MAX_LINE, fp))
  {
    if(sscanf(linha, "Sentence #%d (%d tokens):", &s, &t))
    {
      /*printf("%d\n", t);*/
    }
    else if(sscanf(linha, "Lemma=%s", lemma))
    {
      printf("%s", lemma);
    }
}

fclose(fp);
return 0;
}

我无法使用外部库。我知道正则表达式不是C语言的一部分，所以欢迎任何帮助。

谢谢！

Answer 1

无论如何你甚至不需要正则表达式。也不是scanf()。一个简单的解决方案是使用strstr()。

const char *s = "[Text=WORKING CharacterOffsetBegin=73516 CharacterOffsetEnd=73523 PartOfSpeech=VBG \
    Lemma=work] [Text=MEN CharacterOffsetBegin=73524 CharacterOffsetEnd=73527 \
    PartOfSpeech=NNS Lemma=man]";

const char *p = s;
while ((p = strstr(p, "Text=")) != NULL) {
    p += 5;
    const char *t = strchr(p, ' ');
    printf("%.*s\n", (int)(t - p), p);

    p = strstr(t + 1, "Lemma=") + 6;
    t = strchr(p, ']');
    printf("%.*s\n", (int)(t - p), p);
    p = t + 1;
}

在C中提取字符串模式（无libs）

1 个答案: