Question

我尝试将一个字符串拆分为3克字符串。但是事实证明，生成的子字符串始终是混乱的。长度和char **输入是必需的...，因为稍后我将它们用作args的python调用funxtion的参数。

这是我编写的函数。

struct strArrIntArr getSearchArr(char* input, int length) {

    struct strArrIntArr nameIndArr;
    // flag of same bit
    int same;
    // flag/index of identical strings
    int flag = 0;
    // how many identical strings
    int num = 0;
    // array of split strings
    char** nameArr = (char **)malloc(sizeof(char *) * (length - 2));
    if ( nameArr == NULL ) exit(0);
    // numbers of every split string
    int* valueArr = (int* )malloc(sizeof(int) * (length-2));
    if ( valueArr == NULL ) exit(0);

    // loop length of search string -2 times (3-gram)
    for(int i = 0; i<length-2; i++){
        if(flag==0){
            nameArr[i - num] = (char *)malloc(sizeof(char) * 3);
            if ( nameArr[i - num] == NULL ) exit(0);
            printf("----i------------%d------\n", i);
            printf("----i-num--------%d------\n", i-num);
        }
        flag = 0;
        // compare splitting string with existing split strings,
        // if a string exists, it would not be stored
        for(int k=0; k<i-num; k++){
            same = 0;
            for(int j=0; j<3; j++){
                if(input[i + j] == nameArr[k][j]){
                    same ++;
                }
            }
            // identical strings found, if all the three bits are the same
            if(same == 3){
                flag = k;
                num++;
                break;
            }
        }
        // if the current split string doesn't exist yet
        // put current split string to array
        if(flag == 0){
            for(int j=0; j<3; j++){
                nameArr[i-num][j] = input[i + j];
                valueArr[i-num] = 1;
            }
        }else{
            valueArr[flag]++;
        }
        printf("-----string----%s\n", nameArr[i-num]);
    }

    // number of N-gram strings
    nameIndArr.length = length- 2- num;
    // array of N-gram strings
    nameIndArr.charArr = nameArr;
    nameIndArr.intArr = valueArr;
    return nameIndArr;
}

调用该函数：

int main(int argc, const char * argv[]) {
    int length = 30;
    char* input = (char *)malloc(sizeof(char) * length);
    input = "googleapis.com.wncln.wncln.org";

    // split the search string into N-gram strings
    // and count the numbers of every split string
    struct strArrIntArr nameIndArr = getSearchArr(input, length);
}

下面是结果。来自17的字符串杂乱无章。

----i------------0------
----i-num--------0------
-----string----goo

----i------------1------
----i-num--------1------
-----string----oog

----i------------2------
----i-num--------2------
-----string----ogl

----i------------3------
----i-num--------3------
-----string----gle

----i------------4------
----i-num--------4------
-----string----lea

----i------------5------
----i-num--------5------
-----string----eap

----i------------6------
----i-num--------6------
-----string----api

----i------------7------
----i-num--------7------
-----string----pis

----i------------8------
----i-num--------8------
-----string----is.

----i------------9------
----i-num--------9------
-----string----s.c

----i------------10------
----i-num--------10------
-----string----.co

----i------------11------
----i-num--------11------
-----string----com

----i------------12------
----i-num--------12------
-----string----om.

----i------------13------
----i-num--------13------
-----string----m.w

----i------------14------
----i-num--------14------
-----string----.wn

----i------------15------
----i-num--------15------
-----string----wnc

---i------------16------
----i-num--------16------
-----string----ncl

----i------------17------
----i-num--------17------
-----string----clnsole

----i------------18------
----i-num--------18------
-----string----ln.=C:

----i------------19------
----i-num--------19------
-----string----n.wgram 馻绚s

----i------------20------
----i-num--------20------
-----string----n.wgram 馻绚s

-----string----n.wgram 馻绚s

-----string----n.wgram 馻绚s

-----string----n.wgram 馻绚s

-----string----n.wgram 馻绚s

-----string----n.oiles(騛窑=

----i------------26------
----i-num--------21------
-----string----.orSModu鯽蓼t

----i------------27------
----i-num--------22------
-----string----org

在win10下，代码块17.12，gcc 8.1.0

Answer 1

您在多个地方使生活变得复杂：

不要倒数：不用num来计算重复项，而应该是唯一三部曲的数目。
作用域中的变量定义尽可能紧密。您有几个未初始化的变量。您已在函数开始时声明了它们，但仅在本地块中需要它们。
分配后立即初始化。在代码中，使用标志来确定创建新字符串的方式。分配字符串和初始化字符串的代码在不同的块中。这些块具有与条件相同的标志，但是标志在这之间进行更新。当您尝试初始化未分配的内存时，这可能会导致异步，甚至导致错误。
最好将字符串及其数量保持在一个结构中。如果有的话，这将有助于您稍后进行排序。这也提供了一些简化：不用分配3个字节的块，而是在结构中保留4个字节的char数组，以便所有条目都可以适当地以空值终止。这些不需要单独分配。

这是另一种实现方式：

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

struct tri {
    char str[4];        // trigraph: 3 chars and NUL
    int count;          // count of occurrences
};

struct stat {
    struct tri *tri;    // list of trigraphs with counts
    int size;           // number of trigraphs
};

/*
 *      Find string 'key' in list of trigraphs. Return the index
 *      or in the array or -1 if it isn't found.
 */
int find_trigraph(const struct tri *tri, int n, const char *key)
{
    for (int i = 0; i < n; i++) {
        int j = 0;

        while (j < 3 && tri[i].str[j] == key[j]) j++;
        if (j == 3) return i;
    }

    return -1;
}

/*
 *      Create an array of trigraphs from the input string.
 */
struct stat getSearchArr(char* input, int length)
{
    int num = 0;

    struct tri *tri = malloc(sizeof(*tri) * (length - 2));

    for(int i = 0; i < length - 2; i++) {
        int index = find_trigraph(tri, num, input + i);

        if (index < 0) {
            snprintf(tri[num].str, 4, "%.3s", input + i);       // see [1]
            tri[num].count = 1;             
            num++;
        } else {
            tri[index].count++;
        }
    }


    for(int i = 0; i < num; i++) {
        printf("#%d %s: %d\n", i, tri[i].str, tri[i].count);
    }

    struct stat stat = { tri, num };

    return stat;
}

/*
 *      Driver code
 */
int main(void)
{
    char *input = "googleapis.com.wncln.wncln.org";
    int length = strlen(input);

    struct stat stat = getSearchArr(input, length);

    // ... do stuff with stat ...

    free(stat.tri);

    return 0;
}

脚注1：我发现snprintf(str, n, "%.*s", len, str + offset)对于复制子字符串很有用：结果不会溢出缓冲区，并且将以null终止。确实应该有一个标准功能，但是strcpy可能会溢出，而strncpy可能会使缓冲区未终止。

Answer 2

此答案试图修复现有代码，而不是提出替代/更好的解决方案。

固定输出后

printf("-----string----%s\n", nameArr[i-num]);

在这个问题上，还有另一个重要的问题。

您要在nameArr[i-num]中存储3个字符，并为3个字符分配空间。稍后，您将在上面显示的代码中以字符串形式打印。这需要在3个字符后尾随'\0'，因此您必须为4个字符分配内存，并追加一个'\0'或用0初始化分配的内存。使用calloc代替{{ 1}}会自动将内存初始化为0。

这是源代码的修改版本

我还更改了malloc中的字符串值及其长度的初始化，以避免内存泄漏。

main()

This other answer包含了更多改进，与修改后的原始解决方案相比，我个人更希望这样做。

尝试拆分字符串，但子字符串混乱

2 个答案: