如何在C中初始化相当复杂的char数组？

Question

假设Visual /C++ 6，我有一个由22399个元素组成的复杂数据结构，如下所示：

{
{ "(SAME", "AS", "U+4E18)", "HILLOCK", "OR", "MOUND"},
{ "TO", "LICK;", {1, 1, 0}, "TASTE,", "A", "MAT,", "BAMBOO", "BARK"},
{ "(J)", "NON-STANDARD", "FORM", "OF", "U+559C", ",", {1, 1, 0}, "LIKE,", "LOVE,", "ENJOY;", {1, 1, 4}, "JOYFUL", "THING"},
{ "(AN", "ANCIENT", {1, 2, 2}, {1, 2, 3}, "U+4E94)", "FIVE"}, 
...
}

宣布这个的最好方法是什么？我试过这样的事情

char * abbrevs3[22399][] = { ... };

和

char * abbrevs3[22399][][] = { ... };

但汇编中有些慢性问题。

编辑：数据是一个描述某些Unihan字符的数据库。我一直在探索各种压缩数据的方法。目前，您有22399个条目，每个条目可能包含不同数量的字符串，或{缩写标记、最后看到的行、最后看到的行的三元组。

顺便提一下Greg的话，我可能需要让每一行包含相同数量的元素，即使其中一些元素是空字符串。是这样吗？

编辑#2：在我看来，三胞胎中的一些数值远远超出了char的范围。

Answer 1

我刚刚读了你的新帖子，重新阅读了原来的文章，我想我已经完全理解了这里的目标。抱歉花了这么长时间，我有点慢。

为了解释这个问题，在原始示例的第4行：

{ "(AN", "ANCIENT", {1, 2, 2}, {1, 2, 3}, "U+4E94)", "FIVE"},

您可能希望将三元组转换为前面使用的字符串的引用，以便压缩数据。这一行变成：

{ "(AN", "ANCIENT", "FORM", "OF", "U+4E94)", "FIVE"},

如果目标是压缩，我不认为你会在这里看到太多的收获。自引用三元组为每个3字节，但要替换的字符串总数只有8字节，计算的是空终止符，而在这一行中只保存了2个字节。那是用来用炭的。由于您的结构太大，需要使用ints作为引用，所以您的三元组实际上是12个字节，甚至更糟。在这种情况下，您只能通过替换12个ascii字符或更多的单词来节省空间。

如果我完全偏离了这里的基础，那么可以随意忽略我，但是我认为在空格上标记，然后删除重复的单词的方法只是一个可怜的人的Huffman压缩。赫夫曼的字母表是一个最长普通子串列表，或者其他一些标准的文本压缩方法可能会很好地解决这个问题。

但是，如果出于某种原因，这不是一种选择，我想我会得到数据中所有唯一单词的列表，并将其用作查找表。然后将所有字符串作为索引列表存储到该表中。您必须使用两个表，但最终它可能会更简单，它将节省您现在用作“缩写标记”的前面1所使用的空间。基本上，您的缩写标记将成为一个单一的索引，而不是三重奏。

所以,

const char * words[] = {
    "hello", "world", "goodbye", "cruel"
    };

const int strings[] = {
    { 0, 1 },
    { 2, 3, 1 }
    };

但是，如果你的字符串长度不是大致一致的话，你仍然会失去很多空间。

Answer 2

我将研究如何以XML或其他结构化形式存储数据，然后读取和解析数据，而不是在代码中进行初始化。您在初始化时付出的代价将超过代码易于理解和可维护性的增加。我还会考虑设计一个特定的数据结构来保存每个条目。

编辑下面的示例，尝试复制后续的描述：

enum EntryType { string = 0, triple = 1 };

typedef struct {
   enum EntryType entry_type;
   union {
      char** string;
      int[3] *triple;
   }
} Entry;

typedef struct {
   Entry *entries;
} Abbreviation;

Abbreviation *abbrevs3;

abbrevs3 = parseAbbreviationData("path-to-abbreviations/abbrevs.xml");

Answer 3

在C中，您只能在声明数组时省略第一个维度：

char * abbrevs3[][22399] = { ... };

这是因为编译器希望知道每个“行”有多大，以便正确地布局“列”。我把维度放在引号中，因为你可以自由地以任何你想要的方式来解释维度，但这是二维数组的通常惯例。

尽管如此，目前还不清楚您的数据结构实际上是什么，或者您试图初始化它的是什么。您的样本数据似乎没有任何模式。