c - sscanf 和 strtok 未返回 "complete"答案

Question

我有一个字符串，它被“|”分成两组；空间、垂直条/管道、空间。字符串“ACGT”中只会有四个字符。我的问题是，如果我使用 sscanf 或 strtok，我可以很好地读取第一个字符串组，但第二个字符串组仅包含该组的第一个字符。

相关片段如下:

typedef struct {
  char strings[1][399]; // 2D array of the strings
  int length[1]; // Line Length 1 and 2
} DoubleLOT;

char line[1024]; // Each string can only be a max of 400 chars anyway
DoubleLOT inStrings; // structs to hold string sequences

// Init variables
for (a=0;a<=1;a++){
  strcpy(inStrings.strings[a], "");
  inStrings.length[a]=0;
}

strcpy(line, "GAAT | GAAT");

使用 sscanf();

sscanf(line, "%[ACGT] | %[ACGT]", inStrings.strings[0], inStrings.strings[1]);
inStrings.length[0]=strlen(inStrings.strings[0]);
inStrings.length[1]=strlen(inStrings.strings[1]);
printf(">%s< %i\n", inStrings.strings[0], inStrings.length[0]);
printf(">%s< %i\n", inStrings.strings[1], inStrings.length[1]);

返回:

>GAAT< 4
>G< 2

使用 strtok() 例如:

strcpy(inStrings.strings[0], strtok(line, " |"));
strcpy(inStrings.strings[1], strtok(NULL, " |"));
inStrings.length[0]=strlen(inStrings.strings[0]);
inStrings.length[1]=strlen(inStrings.strings[1]);
printf(">%s< %i\n", inStrings.strings[0], inStrings.length[0]);
printf(">%s< %i\n", inStrings.strings[1], inStrings.length[1]);

再次返回:

>GAAT< 4
>G< 2

在这个例子中，我希望看到:

>GAAT< 4
>GAAT< 4

我尝试删除 |来自“line”的字符仍然是同样的问题。我最初有 %s 而不是 %[ACGT]，同样的问题。事实上，这里的两个字符串是相同的，这对我没有任何帮助，但我认为一旦解决了问题，这应该是无关紧要的。此外，我也尝试过使用多个不同的字符串。

我假设这是我正在用内存做的事情，或者是函数如何处理内存，这让我很困惑。我还假设 >G< 2指的是 \0最后 - 我也无法弄清楚它是如何注入(inject)到字符串中的。在 sscanf() 之后对“line”的检查表明它确实仍然完好无损并且与函数调用之前的“line”相同——尽管我无法对 strtok() 进行有意义的操作。

注意:我不在乎是否使用 strtok() 咀嚼“line”；一旦我把它分成两部分，我就完成了。

Answer 1

这里发生的是未定义的行为。您声明您的结构体有一个名为 strings 的成员，该成员是 1 x 399 个字符的数组；另一个 length 是一个一个整数数组，但写入范围之外。

你的typedef应该是

typedef struct {
    char strings[2][399];
    int length[2];
} DoubleLOT;

或者，如果字符串的最大长度为 400 个字符(如您在注释中所述)，则应将 399 替换为 401 - 400 个字符并终止 '\0'。

<小时/>

但除此之外，我还可以知道您的平台上发生了什么，以及为什么您会看到该输出。

以下结构

typedef struct {
    char strings[1][399]; // 2D array of the strings
    int length[1]; // Line Length 1 and 2
} DoubleLOT;

在正常的 LP64 架构上，会有一个 1x399 的字符数组，后跟 1 个填充字节，再后跟一个 32 位整数的 4 对齐数组。

现在，当您复制到 inString.strings[0] 时，只要字符串适合这 399 个字符，一切就都很好。但写入 inString.strings[1] 是未定义的行为，因为该内存未分配。然而，在这种情况下，一切看起来都很好，因为字符串“GAAT”被写入，以便'G'进入填充字节，并且“AAT”和终止'\0'将被写入inString.length[0]。

之后写入inString.strings[0]的长度； 4 以小尾数法表示，放入 inString.length[0]。字节 0x04, 0x00, 0x00, 0x00 被写入字节 'A', 'A', 'T' 和 '\0'；

现在inString.strings[1]看起来只有1个字符；第二个字符 ASCII 4 是不可打印的控制字符。但事实证明它确实存在，strlen(inString.strings[1]) 是 2，而不是 1。

最后，在 DoubleLOT inStrings; 之后，将 strlen(inString.strings[1]) 写入堆栈/全局变量上的其他内容。