Question

我是C和系统编程的初学者。对于家庭作业，我需要编写一个程序，该程序将stdin解析行的输入读入单词，并使用System V消息队列（例如，计数单词）将单词发送到排序子进程。我被困在输入部分。我正在尝试处理输入，删除非字母字符，将所有字母单词放在小写字母中，最后将一行单词分成多个单词。到目前为止，我可以用小写字母打印所有字母单词，但字母之间有一些线，我认为这是不正确的。有人可以看看并给我一些建议吗？

来自文本文件的示例：Homer的荷马伊利亚特的古腾堡项目电子书

我认为正确的输出应该是：

the
project
gutenberg
ebook
of
the
iliad
of
homer
by
homer

但我的输出如下：

project
gutenberg
ebook
of
the
iliad
of
homer
                         <------There is a line there
by
homer

我认为空行是由“，”和“by”之间的空格引起的。我尝试了“if isspace（c）然后什么都不做”之类的事情，但它不起作用。我的代码如下。任何帮助或建议表示赞赏。

#include <stdio.h>
#include <stdlib.h>
#include <ctype.h>
#include <fcntl.h>
#include <errno.h>
#include <unistd.h>
#include <string.h>


//Main Function
int main (int argc, char **argv)
{
    int c;
    char *input = argv[1];
    FILE *input_file;

    input_file = fopen(input, "r");

    if (input_file == 0)
    {
        //fopen returns 0, the NULL pointer, on failure
        perror("Canot open input file\n");
        exit(-1);
    }
    else
    {        
        while ((c =fgetc(input_file)) != EOF )
        {
            //if it's an alpha, convert it to lower case
            if (isalpha(c))
            {
                c = tolower(c);
                putchar(c);
            }
            else if (isspace(c))
            {
                ;   //do nothing
            }
            else
            {
                c = '\n';
                putchar(c);
            }
        }
    }

    fclose(input_file);

    printf("\n");

    return 0;
}

编辑 **

我编辑了我的代码并最终获得了正确的输出：

int main (int argc, char **argv)
{
    int c;
    char *input = argv[1];
    FILE *input_file;

    input_file = fopen(input, "r");

    if (input_file == 0)
    {
        //fopen returns 0, the NULL pointer, on failure
        perror("Canot open input file\n");
        exit(-1);
    }
    else
    {
        int found_word = 0;

        while ((c =fgetc(input_file)) != EOF )
        {
            //if it's an alpha, convert it to lower case
            if (isalpha(c))
            {
                found_word = 1;
                c = tolower(c);
                putchar(c);
            }
            else {
                if (found_word) {
                    putchar('\n');
                    found_word=0;
                }
            }

        }
    }

    fclose(input_file);

    printf("\n");

    return 0;
}

Answer 1

我认为你只需要忽略任何非alpha字符！isalpha（c）否则转换为小写。在这种情况下，当你找到一个单词时，你需要跟踪。

int found_word = 0;

while ((c =fgetc(input_file)) != EOF )
{
    if (!isalpha(c))
    {
        if (found_word) {
            putchar('\n');
            found_word = 0;
        }
    }
    else {
        found_word = 1;
        c = tolower(c);
        putchar(c);
    }
}

如果你需要在诸如“不是”这样的词中处理撇号，那么这应该这样做。

int found_word = 0;
int found_apostrophe = 0;
    while ((c =fgetc(input_file)) != EOF )
    {
    if (!isalpha(c))
    {
        if (found_word) {
            if (!found_apostrophe && c=='\'') {
                found_apostrophe = 1;
            }
            else {
                found_apostrophe = 0;
                putchar('\n');
                found_word = 0;
            }
                }
    }
    else {
        if (found_apostrophe) {
            putchar('\'');
            found_apostrophe == 0;
        }
        found_word = 1;
        c = tolower(c);
        putchar(c);
    }
}

Answer 2

我怀疑你真的想要将所有非字母字符作为分隔符处理，而不仅仅将空格处理为分隔符并忽略非字母字符。否则，foo--bar将显示为单个字foobar，对吧？好消息是，这会让事情变得更容易。您可以删除isspace子句，只使用else子句。

与此同时，无论你是否特别处理标点符号，你都会遇到问题：你可以为任何空间打印换行符。因此，以\r\n或\n结尾的行，或者以.结尾的句子，将打印一个空行。显而易见的方法是跟踪最后一个字符或标记，这样如果您之前打印过一个字母，则只打印换行符。

例如：

int last_c = 0

while ((c = fgetc(input_file)) != EOF )
{
    //if it's an alpha, convert it to lower case
    if (isalpha(c))
    {
        c = tolower(c);
        putchar(c);
    }
    else if (isalpha(last_c))
    {
        putchar(c);
    }
    last_c = c;
}

但你真的想把所有的标点符号都对待吗？问题陈述意味着你这样做，但在现实生活中，这有点奇怪。例如，foo--bar可能应该显示为单独的单词foo和bar，但it's应该显示为单独的单词it和s }？就此而言，使用isalpha作为“单词字符”的规则也意味着，2nd将显示为nd。

因此，如果isascii不适合您的用例区分单词字符和分隔符，则必须编写自己的函数来进行正确的区分。您可以在逻辑（例如isalnum(c) || c == '\''）或表（仅128个整数的数组，因此函数为c >= 0 && c < 128 && word_char_table[c]）中轻松表达此类规则。这样做有一个额外的好处，你可以稍后扩展你的代码来处理Latin-1或Unicode，或处理程序文本（其中包含不同于英文文本的单词字符），或...

Answer 3

看来你是用空格分隔单词，所以我想只是

while ((c =fgetc(input_file)) != EOF )
{
    if (isalpha(c))
    {
        c = tolower(c);
        putchar(c);
    }
    else if (isspace(c))
    {
       putchar('\n');
    }
}

也会奏效。如果您的输入文本在单词之间不会有多个空格。

从文本文件中读取并将行解析为C中的单词

3 个答案: