[原]去除源文件中的重复行的程序流程及其C代码实现
zhouzxi发表于 2015-12-10 11:25:05
(本文正在参加2015博客之星评选，诚邀你来投票，谢谢：http://vote.blog.csdn.net/blogstar2015/candidate?username=zhouzxi)
一、需求描述
要求对一个包含若干行记录且某几条记录相同的文件(源文件)实现去重操作，并将去重之后的记录写入到另外一个文件(目的文件)中。也即最后生成的文件中没有内容相同的两行记录。如果源文件中两条记录之间有空行，则在目的文件中一并将其去掉。
两条记录相同的标准是：
1) 字符个数及内容完全相同。
2) 去除空格及回车换行符之后的内容完全相同。
示例：
源文件样例：
ABCD
EFGH
abcd
AB CD
abcd
12345对应的目的文件样例：
ABCD
EFGH
abcd
12345
二、程序总体流程
为了实现去重操作，我们考虑使用链表数据结构。先将源文件中的记录内容逐条读取，与链表中已经存在的记录内容相比较，如果没有与之相同的，则将该条记录加入链表。当源文件中的所有记录内容都读取完成之后，再将链表中的记录内容写入到目的文件中。
程序的总体流程如图1所示。
图1 程序的总体流程
三、重要程序流程及数据结构介绍
1.存放记录内容的链表
本程序使用链表来存放从源文件中读取到的每条记录，该链表的结构如下：
typedef struct T_FileInfoStruct
{
UINT8 szContentLine[256];
struct T_FileInfoStruct *pNext;
} T_FileInfo;2.判断某条记录是否已存在于链表的函数
每当读取到一条记录，就要判断该条记录是否已经存在于链表中了(第一条记录除外)。判断操作非常的简单，只需要遍历整个链表就可以了。该操作由IsInList函数实现，其具体代码如下：
UINT32 IsInList(T_FileInfo *ptContentListHead, UINT8 *pszContentLine)
{
T_FileInfo *pTmpInfo = ptContentListHead;
if (ptContentListHead == NULL || pszContentLine == NULL)
{
printf("IsInList: input parameter(s) is NULL!\n");
return 0;
}
while (pTmpInfo != NULL)
{
if (strncmp(pszContentLine, pTmpInfo->szContentLine, strlen(pszContentLine)) == 0) // 存在于链表中
{
return 1;
}
pTmpInfo = pTmpInfo->pNext;
}
if (pTmpInfo == NULL) // 不存在于链表中
{
return 0;
}
}
3.去除记录的回车换行符、去除记录中的空格的函数
RmNewLine函数用于去除记录的回车换行符，RemoveSpaceInStr函数用于去除记录中的空格。这两个函数的程序代码请见附录。
四、程序编译及执行结果
将RemoveRepeatLine.c(详细的代码请见附录)程序上传到Linux机器上，使用gcc -g -o RemoveRepeatLine RemoveRepeatLine.c命令对其编译，生成RemoveRepeatLine。
在本程序中，我们使用的源文件为TestFile.txt，位于当前用户的zhouzhaoxiong/zzx/RemoveRepeatLine/TestFile目录下；生成的目的文件为ResultFile.txt，与源文件位于相同的目录之下。
本人使用的源文件TestFile.txt的内容为：
ABCD
EFGH
AB CD
1243565
dfbfdj
dgbsjn
1234 n
dsaghhn
zvb
vc
awsswgh
EFGH
zvb
1234 n
fedhh
EFG H
运行RemoveRepeatLine命令之后，生成结果文件ResultFile.txt，其内容为：
ABCD
EFGH
1243565
dfbfdj
dgbsjn
1234n
dsaghhn
zvb
vc
awsswgh
fedhh
可见，程序满足了需求，去除了重复的行，同时将多余的空行也去掉了。
五、总结
关于本程序，有如下几点说明：
第一，链表这种数据结构在实际的软件开发项目中应用得非常的广泛，大家一定要熟练掌握其用法，特别是如何向链表中插入数据、如何遍历整个链表、如何清空链表等。
第二，写文件函数WriteToFile中，在“strncpy(szContentBuf, ptContentListHead->szContentLine, strlen(ptContentListHead->szContentLine));”语句之前，一定要加上“memset(szContentBuf, 0x00, sizeof(szContentBuf));”语句，否则写入文件中的内容可能不是我们想要的。大家也可以在自己的机器上试试，看加与不加“memset(szContentBuf, 0x00, sizeof(szContentBuf));”语句，生成的结果文件有何区别。
第三，在有关话单生成及处理的程序中，对源话单文件进行去重操作是大家必须考虑的问题。本文中的程序为相关项目的开发人员提供了参考。
附：完整的程序代码
/**********************************************************************
* 版权所有 (C)2015, Zhou Zhaoxiong。
*
* 文件名称：RemoveRepeatLine.c
* 文件标识：无
* 内容摘要：去除源文件中的重复行
* 其它说明：无
* 当前版本：V1.0
* 作 者：Zhou Zhaoxiong
* 完成日期：20151209
*
**********************************************************************/
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
// 数据类型重定义
typedef unsigned char UINT8;
typedef signed int INT32;
typedef unsigned int UINT32;
// 存放文件每行内容的链表
typedef struct T_FileInfoStruct
{
UINT8 szContentLine[256];
struct T_FileInfoStruct *pNext;
} T_FileInfo;
// 函数声明
void RemRepLineAndWriResFile(UINT8 *pszTestFile);
void RmNewLine(UINT8 *pInStr);
UINT32 IsInList(T_FileInfo *ptContentListHead, UINT8 *pszContentLine);
void WriteToFile(T_FileInfo *ptContentListHead);
void ClearList(T_FileInfo *ptContentListHead);
void RemoveSpaceInStr(UINT8 *pszStr, UINT32 iStrLen);
/**********************************************************************
* 功能描述：主函数
* 输入参数：无
* 输出参数：无
* 返 回 值：无
* 其它说明：无
* 修改日期 版本号 修改人 修改内容
* ---------------------------------------------------------------
* 20151209 V1.0 Zhou Zhaoxiong 创建
***********************************************************************/
INT32 main()
{
UINT8 szTestFile[128] = {0};
// 拼装配置文件路径
snprintf(szTestFile, sizeof(szTestFile)-1, "%s/zhouzhaoxiong/zzx/RemoveRepeatLine/TestFile/TestFile.txt", getenv("HOME"));
RemRepLineAndWriResFile(szTestFile); // 调用函数完成去重及写文件的操作
return 0;
}
/**********************************************************************
* 功能描述：去除源文件中的重复行, 并将去重之后的内容写入结果文件中
* 输入参数：pszTestFile-带路径的测试文件名
* 输出参数：无
* 返 回 值：无
* 其它说明：无
* 修改日期 版本号 修改人 修改内容
* ---------------------------------------------------------------
* 20151209 V1.0 Zhou Zhaoxiong 创建
***********************************************************************/
void RemRepLineAndWriResFile(UINT8 *pszTestFile)
{
UINT8 szContentLine[256] = {0};
UINT32 iLineLen = 0;
UINT32 iRetVal = 0;
FILE *fp = NULL;
T_FileInfo *ptContentListHead = NULL;
T_FileInfo *ptContentListTail = NULL;
T_FileInfo *ptCurrentContent = NULL;
if (pszTestFile == NULL)
{
printf("RemRepLineAndWriResFile: pszTestFile is NULL!\n");
return;
}
printf("RemRepLineAndWriResFile: now, begin to process file %s\n", pszTestFile);
if ((fp = fopen(pszTestFile, "r")) == NULL)
{
printf("RemRepLineAndWriResFile: open file %s failed!\n", pszTestFile);
return;
}
else
{
ptContentListHead = NULL;
ptContentListTail = NULL;
while (feof(fp) == 0 && ferror(fp) == 0)
{
memset(szContentLine, 0x00, sizeof(szContentLine));
if (fgets(szContentLine, sizeof(szContentLine), fp) == NULL) // 从源文件中读取一行内容
{
printf("RemRepLineAndWriResFile: get line null, break.\n");
break;
}
else
{
printf("RemRepLineAndWriResFile: get content line: %s\n", szContentLine);
}
RmNewLine(szContentLine); // 去掉字符串后面的回车换行符
RemoveSpaceInStr(szContentLine, strlen(szContentLine)); // 去掉字符串中的空格
iLineLen = strlen(szContentLine);
if (iLineLen == 0) // 如果该行的有效长度为0, 则继续读取下一行
{
printf("RemRepLineAndWriResFile: the length of line is 0, continue to read the next content line.\n");
continue;
}
if (ptContentListHead != NULL) // 判断当前行是否已经存在了
{
iRetVal = IsInList(ptContentListHead, szContentLine);
if (iRetVal == 1) // 已经存在
{
printf("RemRepLineAndWriResFile: this content line has already existed.\n");
continue;
}
}
// 将当前行加入链表中
ptCurrentContent = (T_FileInfo *)malloc(sizeof(T_FileInfo));
if (ptCurrentContent == NULL)
{
printf("RemRepLineAndWriResFile: exec malloc failed, memory may be not enough.\n");
return;
}
memcpy(ptCurrentContent->szContentLine, szContentLine, strlen(szContentLine));
if (ptContentListHead == NULL) // 链表为空时作为链表头
{
ptContentListHead = ptCurrentContent;
ptContentListTail = ptCurrentContent;
}
else
{
if (ptContentListTail != NULL) // 插入链表尾部
{
ptContentListTail->pNext = ptCurrentContent;
ptContentListTail = ptCurrentContent;
}
}
}
// 源文件使用完毕
fclose(fp);
fp = NULL;
}
// 将去重之后的结果写入文件中
WriteToFile(ptContentListHead);
// 清空链表
ClearList(ptContentListHead);
ptContentListHead = NULL;
}
/**********************************************************************
* 功能描述：去掉字符串后面的回车换行符
* 输入参数：pInStr-输入字符串
* 输出参数：无
* 返 回 值：无
* 其它说明：无
* 修改日期 版本号 修改人 修改内容
* ---------------------------------------------------------------
* 20151209 V1.0 Zhou Zhaoxiong 创建
***********************************************************************/
void RmNewLine(UINT8 *pInStr)
{
UINT32 iStrLen = 0;
if (pInStr == NULL)
{
printf("RmNewLine: pInStr is NULL!\n");
return;
}
iStrLen = strlen(pInStr);
while (iStrLen > 0)
{
if (pInStr[iStrLen-1] == '\n' || pInStr[iStrLen-1] == '\r')
{
pInStr[iStrLen-1] = '\0';
}
else
{
break;
}
iStrLen --;
}
}
/**********************************************************************
* 功能描述：判断某行内容是否已经存在于链表中了
* 输入参数：pInStr-输入字符串
* 输出参数：无
* 返 回 值：1-存在 0-不存在
* 其它说明：无
* 修改日期 版本号 修改人 修改内容
* ---------------------------------------------------------------
* 20151209 V1.0 Zhou Zhaoxiong 创建
***********************************************************************/
UINT32 IsInList(T_FileInfo *ptContentListHead, UINT8 *pszContentLine)
{
T_FileInfo *pTmpInfo = ptContentListHead;
if (ptContentListHead == NULL || pszContentLine == NULL)
{
printf("IsInList: input parameter(s) is NULL!\n");
return 0;
}
while (pTmpInfo != NULL)
{
if (strncmp(pszContentLine, pTmpInfo->szContentLine, strlen(pszContentLine)) == 0) // 存在于链表中
{
return 1;
}
pTmpInfo = pTmpInfo->pNext;
}
if (pTmpInfo == NULL) // 不存在于链表中
{
return 0;
}
}
/**********************************************************************
* 功能描述： 把内容写到文件中
* 输入参数： ptContentListHead-文件记录链表
* 输出参数： 无
* 返 回 值： 无
* 其它说明： 无
* 修改日期 版本号 修改人 修改内容
* ----------------------------------------------------------------------
* 20151209 V1.0 Zhou Zhaoxiong 创建
************************************************************************/
void WriteToFile(T_FileInfo *ptContentListHead)
{
FILE *fp = NULL;
UINT8 szLocalFile[500] = {0};
UINT8 szContentBuf[256] = {0};
if (ptContentListHead == NULL)
{
printf("WriteToFile: input parameter is NULL!\n");
return;
}
snprintf(szLocalFile, sizeof(szLocalFile)-1, "%s/zhouzhaoxiong/zzx/RemoveRepeatLine/TestFile/ResultFile.txt", getenv("HOME"));
fp = fopen(szLocalFile, "a+");
if (fp == NULL)
{
printf("WriteToFile: open local file failed, file=%s\n", szLocalFile);
return;
}
while (ptContentListHead != NULL)
{
memset(szContentBuf, 0x00, sizeof(szContentBuf));
strncpy(szContentBuf, ptContentListHead->szContentLine, strlen(ptContentListHead->szContentLine));
printf("WriteToFile: LocalFile=%s, ContentBuf=%s\n", szLocalFile, szContentBuf);
fputs(szContentBuf, fp);
fputs("\r\n", fp); // 加上回车换行符
fflush(fp);
ptContentListHead = ptContentListHead->pNext;
}
fclose(fp);
fp = NULL;
return;
}
/**********************************************************************
* 功能描述： 清除链表
* 输入参数： ptContentListHead-链表指针
* 输出参数： 无
* 返 回 值： 无
* 其它说明： 无
* 修改日期 版本号 修改人 修改内容
* ------------------------------------------------------
* 20151209 V1.0 Zhou Zhaoxiong 创建
***********************************************************************/
void ClearList(T_FileInfo *ptContentListHead)
{
T_FileInfo *ptContentList = NULL;
T_FileInfo *pTmpData = NULL;
if (ptContentListHead == NULL)
{
printf("ClearList: input parameter is NULL!\n");
return;
}
ptContentList = ptContentListHead;
while (ptContentList != NULL)
{
pTmpData = ptContentList;
ptContentList = ptContentList->pNext;
free(pTmpData);
}
}
/**********************************************************************
* 功能描述： 清除字符串中的空格
* 输入参数： pszStr-输入的字符串
iStrLen-最大长度
* 输出参数： 无
* 返 回 值： 无
* 其它说明： 无
* 修改日期 版本号 修改人 修改内容
* ------------------------------------------------------
* 20151209 V1.0 Zhou Zhaoxiong 创建
***********************************************************************/
void RemoveSpaceInStr(UINT8 *pszStr, UINT32 iStrLen)
{
UINT8 szResult[256] = {0};
UINT8 szBuf[256] = {0};
UINT32 iLoopFlagSrc = 0;
UINT32 iLoopFlagDst = 0;
if (pszStr == NULL)
{
return;
}
memcpy(szBuf, pszStr, iStrLen);
for (iLoopFlagSrc = 0; iLoopFlagSrc < strlen(szBuf); iLoopFlagSrc ++)
{
if (szBuf[iLoopFlagSrc] != ' ')
{
szResult[iLoopFlagDst] = szBuf[iLoopFlagSrc];
iLoopFlagDst ++;
}
}
szResult[iLoopFlagDst+1] = 0;
memcpy(pszStr, szResult, iStrLen);
return;
}
(本文中的程序已提交到了GitHub上，欢迎下载阅读：https://github.com/zhouzxi/RemoveRepeatLine)