C中的FileParsing

Question

因此，我有一个充满了老洋葱链接的文本文件，它令人难以置信的混乱：

1   Dark web Link– Deep Web Links – Hidden Wiki     http://dwlonion3o3pjqsl.onion/  online
2   Darkode Reborn  http://darkodevasbv5yof.onion   online
3   Arm’s Factory   http://gunsfact2f6oz7cw.onion/  online
4   Dark Web Hackers Zone   http://darkzonebry27nxa.onion/  online
5   Raptor (Tor Chat Service)   http://raptortiabg7uyez.onion   online

*每一行看起来都是：(int)\t(name) (url) (status)

因为我的C代码往往很糟糕，所以我想改进它。我编写了一个简单的文件解析器，它试图只考虑url和状态，并且想知道是否有任何方法来优化我的代码/改进排序函数，因为这是我觉得最弱的地方：

main.c

#include <stdio.h>
#include <stdlib.h>
#include "sorter.h"

#define onionLinksFile "onionlinks.txt"
#define output "sorted\\output.txt" //folder for output

int main() {

    FILE *file = fopen(onionLinksFile, "r");
    FILE *nFile = fopen(output, "w+");
    char line[256]; //allocate up to 256 chars for each line
    if (file == NULL){
        printf("> An error occured while attempting to open our file...");
        return 1;
    }

    while (fgets(line, sizeof(line), file)) { //get each newline
        fprintf(nFile, sort(line)); //write our sorted data to our text file
        //printf(line);
    }
    
    fclose(file);
    fclose(nFile);

    return 0;
}

sorter.h

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

#define delimter "\t" //our delimters
#define mDelimter "//"

char *sort(char line[256]) {
    int objCount = 0;
    int mObjCount = 0;
    
    char *token = strtok(line, delimter);
    while (token != NULL){ //attempt to split our string by tabs
        objCount++;

        if (objCount > 1){ //ignore the first number, don't care about that
            char *nToken = strtok(token, mDelimter);

            while (nToken != NULL){ //split the string again this time take everything past the //
                mObjCount++;
                if (mObjCount > 1){
                    return nToken;
                }
                nToken = strtok(NULL, "");
            }

        }
        token = strtok(NULL, "");
    }
}

下面是输出的样子：

/dwlonion3o3pjqsl.onion/    online
/darkodevasbv5yof.onion     online
/gunsfact2f6oz7cw.onion/    online
/darkzonebry27nxa.onion/    online
/raptortiabg7uyez.onion     online
/gurochanocizhuhg.onion/    offline
/6a3nny6zpg23dj7g.onion/    offline

Answer 1

一般观测

如果您是唯一的用户，这个程序是很棒的，但是如果它是供其他人使用的，这里有一些建议：

1. 允许用户以不同的方式提供输入和输出文件，而不是硬编码输入和输出文件的名称。
2. 如果输入错误，请为用户提供指导。
3. 改进错误处理。

如果程序是从命令行执行的，至少有3种方法可以由这样的程序处理输入和输出：

1. 文件重定向
2. 命令行参数
3. 程序提示用户输入和输出文件名。

应该注意的是，一个程序可以使用所有三种方法来达到最灵活的效果。

如果用户使用的是文件重定向，而不是stdin上输入的文件重定向，并且输出是在stdout上输出的，那么错误应该转到stderr。在这种情况下，代码

    FILE* file = stdin;
    FILE* nFile = stdout;

将是适当的，其余的代码仍将像现在一样工作。

使用命令行参数，程序必须使用int main(int argc, char **argv)来获取文件名。

当代码检查输入文件是否可以打开以供输入时，它并不检查输出文件是否可以打开以便输出，并且可能导致错误。

在需要时声明变量(

)

变量line是在main()的顶部定义的，如果line在驱动程序的while()循环之前声明，将使代码更易于理解和维护。这也将使我们更容易看到while loop本身可能是一个函数。

头文件

最佳实践

在C中，#include预处理器指令实际上将包含的文件与包含指令一起复制到文件中，为了防止包含在所包含文件中的代码被包含，需要有某种机制来防止代码被包含两次。有两种机制，使用包含保护或使用#pragma once。我更喜欢使用#pragma once有两个原因，一个是它更传统(我很老了)，第二个原因是虽然许多编译器广泛支持它，但它目前既不是C标准的一部分，也不是C++标准的一部分。

包括警卫：

#ifndef FILE_NAME_H_
#define FILE_NAME_H_

... code ...

#endif  // !FILE_NAME_H_

头文件通常用于提供来自另一个C源文件的API或函数原型，头文件包含可执行代码是非常罕见的，因为如果头文件由多个源文件包含，则其中的函数存在于程序中的多个位置，程序不会链接。

启用所有编译器警告

编译代码时，使用-wall开关启用所有警告时，sort()函数当前存在一些逻辑问题，从而产生以下警告消息：

'sort': not all control paths return a value。此警告消息表示函数可以在不提供值的情况下返回，并且可以指示代码中存在严重问题。

标准符号常数

因为程序包括stdlib.h，所以有两个符号常量可以使main()更易读，EXIT_SUCCESS和EXIT_FAILURE。这些符号常量可以代替return 0;和return 1;在main()中。

Answer 2

首先对'//‘进行tokenise，然后再对'\t’上的第二个数组元素进行tokenise，会更有效。这将避免某些字符串复制。