从文本文件中读取并用C语言将行解析为单词

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，将stdin解析行中的输入读取为单词，并使用systemv消息队列将单词发送到排序子进程（例如，计算单词）。我在输入部分卡住了。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，最后，将一行单词拆分为多个单词。到目前为止，我可以用小写字母打印所有字母单词，但单词之间有行，我认为这是不正确的。有人能看一下并给我一些建议吗

来自文本文件的示例：荷马的《荷马的伊利亚特》的古腾堡计划电子书

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

---

看起来你在用空格分隔单词，所以我认为

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

---

这也行。假设您的输入文本在单词之间的空格不超过一个。

我怀疑您确实希望将所有非字母字符作为分隔符处理，而不仅仅是将空格作为分隔符处理并忽略非字母字符。否则，

foo--bar

将显示为单个单词

foobar

，对吗？好消息是，这让事情变得更容易。您可以删除

isspace

子句，只需使用

else

子句即可

同时，不管你是否特别对待标点符号，你都有一个问题：你为任何空格打印一个换行符。因此，以

\r\n

或

\n

结尾的行，甚至以

结尾的句子，都将打印一个空行。最明显的解决方法是跟踪最后一个字符或标志，因此只有在以前打印过字母的情况下才打印换行符

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;
}

---

但是你真的想把所有的标点符号都一视同仁吗？问题陈述暗示了你是这样做的，但在现实生活中，这有点奇怪。例如，

foo--bar

应该显示为单独的单词

foo

和

bar

，但是

它的

应该真正显示为单独的单词

it

和

s

？因此，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

不是区分单词字符和分隔符的合适规则，那么您必须编写自己的函数来进行正确的区分。您可以用逻辑（例如，

isalnum（c）| c=='\''

）或一个表（仅一个128个整数的数组，因此函数是

c>=0&&c<128&&word\u char\u table[c]

）。这样做还有一个额外的好处，那就是您可以在以后扩展代码以处理拉丁语1或Unicode，或者处理程序文本（与英语文本具有不同的单词字符），或者…

我认为您只需要忽略任何非字母字符

！isalpha（c）

否则转换为小写。在这种情况下，当你找到一个单词时，你需要保持跟踪

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);
    }
}

如果您需要在诸如“Is Not”之类的单词中处理撇号，那么这应该可以做到-

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);
    }
}

---

+1用于发布合理代码。一个建议：

perror（输入）

。没有什么比没有文件名的错误消息更糟糕的了。strtok函数可能会有所帮助。请注意，这将停止一些可能需要保留的标点符号，包括连字符和撇号。您可能需要对它们进行特殊处理，在某些情况下（即连字符后跟换行符）无论如何都会将它们丢弃。否则，像“不是”这样的词将不会保留它们原来的表达方式。@WhozCraig:是；因为OP明确跳过了所有标点符号，所以我选择了同样的方法。但如果这不是他想要的，他需要额外的代码。我将在答案中添加一个注释。允许

的问题不是
，而是它还应该允许
类
作为“单个单词”。那么，这取决于输入是否会成为下一个问题。@Jongware：是的，这里没有一个明显正确的答案；OP必须理解这个问题，并找出符合其目的的答案。考虑到他描述家庭作业问题的方式，我认为最简单的答案可能是正确的。但他应该仔细考虑并做出决定。所以谁说得对。@abarnert:非常感谢你回答我的问题。是的，你说得对。我想处理所有非字母字符作为分隔符。我用你的建议来修正我的代码。所有的字母都紧挨着。有没有办法把一行字分成多个字？我将编辑我的代码以向您展示。再次感谢。输入中只有一个逗号没有复制到输出。该概要还描述了“词语”。尽管如此，简明扼要；易于调整。
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);
    }
}

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);
    }
}