档案编号

Question

目前，我正试图计算一个文件中的数字。我试过这样做：

while(fgets(fileContents, sizeof(fileContents)-1, fp))

        {

            if(fileContents[sizeof(fileContents)] == '\n')

                fileContents[sizeof(fileContents)] = '\0';



            if(fileContents[sizeof(fileContents)] == 32 )

                counter++;

            //parse numbers

            tokenPtr = strtok(fileContents," ");

            counter++;

        }

我有这样一串数字:3 5 2 2 0 4.所以我不知道可能有多少个数字，所以我试着计算它们之间的空格，这就是为什么你看到ASCII值#32。有什么想法吗？

Answer 1

下列拟议守则：

machine

• performs

• 实现了一个2状态，所需的functionality

1. cleanly编译

。

现在，拟议的守则：

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


int main( void )
{
    int count = 0;

    enum state { NOT_IN_NUMBER, IN_NUMBER };

    enum state currentState = NOT_IN_NUMBER;

    FILE *fp = fopen( "myInputFile.txt", "r" );
    if( !fp )
    {
        perror( "fopen failed" );
        exit( EXIT_FAILURE );
    }

    int ch;
    while( (ch = fgetc(fp)) != EOF )
    {
        //printf( "%d\n", ch ); //debugging
        if( isdigit( ch )  )
        {
            if( currentState == NOT_IN_NUMBER )
            {
                count++;
                currentState = IN_NUMBER;
            }
        }

        else
        {
            currentState = NOT_IN_NUMBER;
        }
    }

    fclose( fp );

    printf( "number of numbers: %d\n", count );
}

针对包含以下内容的文件运行：

3 5 2 2 0 4

产出如下：

number of numbers: 6

Answer 2

我认为，strspn(3)应该能够在这里完成大部分的腿活。下面是一个示例，说明如何计算字符串中的初始正整数数：

#include <string.h>

int n_nums(const char *str)
{
    int n = 0;

    do {
        /* Skip over any whitespace */
        str += strspn(str, " \t\r\n");

        if (!strspn(str, "0123456789"))
            /* Not a number, we're done */
            break;

        /* Skip over the number. */
        str += strspn(str, "0123456789");

        /* Iff the next char is NUL or whitespace, we just
         * skipped over a valid number. */
        switch (*str) {
        case '\0':
        case ' ':
        case '\t':
        case '\r':
        case '\n':
            n++;
        }
    } while (*str);

    return n;
}

您应该能够将其与您已经开始工作的循环结合起来。

Answer 3

我会：

( a)获取文件的大小和内存，映射文件(例如使用mmap())，这样它就像一个大数组的uint8_t。或者，您可以以任何其他方式将文件加载到内存中。

( b)对于uint8_t数组中的每个字节；XOR为0x30。这使得数字字符成为0x00到0x09范围内的值，其他的都是更大的值。

c)对于uint8_t数组中的每个字节；如果大于0x09，则将其设置为0x00，如果没有将其设置为0x01。

( d)对于uint8_t数组中的每个字节；使用下一个字节对其进行异或。在此之后，0x01表示数字字符序列的开始或结尾。

( e)对于uint8_t数组中的每个字节，将其值添加到计数器中。这给出了开始或结束(一个或多个)数字数字序列的次数。通过将这个计数除以2(因为你只想要“开始”而不是“开始和结束”)，你就可以得到你想要的答案。

请注意，所有这些步骤(除了第一个步骤)都可以用一个循环来完成；对于您或编译器来说，使用SIMD进行优化都很简单(因此，像XOR这样的单个操作可以并行地处理多个字节--例如，AVX-512可以同时处理多达64个字节)。因此，它期望性能主要由数据获取(如果存在“操作系统的文件系统缓存缺失”，则为磁盘IO，CPU缓存丢失，等等)。

此外，这只适用于简单整数(例如，字符串"$123,456,789.01“将被计算为4个数字，而不是一个数字)；它不会检测/不会受到任何溢出的影响(例如，字符串"9999999999999999999999999999999999999999999999999999999999999999999999999999999999999”不会造成问题，而是将被视为有效数字)。

最后，这都假设字符编码是ASCII或UTF-8。任何其他字符编码(EBCDIC，UTF-16，.)它将不起作用，需要进行修改/调整以适应。