Есть ли способ сравнить каждую строку в одном текстовом файле с одной строкой в ​​другом текстовом файле в C?

Question

Например, у меня есть индексный текстовый файл, содержащий более 400 английских слов, а затем у меня есть другой текстовый файл с расшифрованным текстом в каждой строке.

Я хочу проверить каждое английское слово в моем индексном файлес каждой строкой моего расшифрованного текстового файла (таким образом, проверяя соответствие 400+ английских слов на соответствие строке расшифрованного текста)

Я думал об использовании strncmp(decryptedString, indexString, 10), потому что я знаю, что strncmp завершается, если следующий символ NULL.

Каждая строка моего расшифрованного текстового файла имеет длину 352 символа, и там хранится ~ 40 миллионов строк текста (каждая строка получается из другого вывода).

Эторасшифровать шифр playfair;Я знаю, что мой алгоритм расшифровки работает, потому что мой профессор дал нам пример для тестирования нашей программы, и он работал нормально.

Я работал над этим проектом шесть дней подряд, и это единственная часть, которую я 'застрял на.Я просто не могу заставить его работать.Я пытался использовать

while(getline(&line, &len, decryptedFile) != -1){
    while(getline(&line2, &len2, indexFile) != -1){
        if(strncmp(decryptedString, indexString, 10) == 0){
            fprintf(potentialKey, "%s", key); 
        }
    }
}

Но я никогда не получал никаких совпадений.Я пытался хранить каждую строку в массивах и тестировать их по одному символу за раз, и это не помогло мне, так как в нем все английские слова были бы перечислены в одной строке.Я просто потерян, поэтому любая помощь или указатели в правильном направлении будут высоко оценены.Заранее спасибо.

РЕДАКТИРОВАТЬ: Основываясь на советах Клиффорда в комментариях, вот пример того, что я пытаюсь сделать

Допустим, indexFile содержит:

HELLO
WORLD
PROGRAMMING
ENGLISH

И decryptedFile содержит

HEVWIABAKABWHWHVWC
HELLOHEGWVAHSBAKAP
DHVSHSBAJANAVSJSBF
WORLDHEEHHESBVWJWU
PROGRAMMINGENGLISH

Я пытаюсь сравнить каждое слово из indexFile с decryptedFile, по одному за раз.Таким образом, все четыре слова из indexFile будут сравниваться со строкой 1, строкой 2, строкой 3, строкой 4 и строкой 5 соответственно.

Answer 1

Если вы пытаетесь проверить, начинается ли строка ввода со слова, вы должны использовать:

strncmp(line, word, strlen(word));

Если вы знаете, что line длиннее word,Вы можете использовать

memcmp(line, word, strlen(word));

Если вы делаете это неоднократно с одним и тем же словом, вам лучше сохранить длину word в той же структуре данных, что и wordсам по себе, чтобы избежать повторного вычисления каждый раз.

Это распространенный вариант использования strncmp.Обратите внимание, что ваше описание strncmp немного неточно.Он остановится, когда достигнет значения NUL в любом из аргументов, но вернет значение равно, только если оба аргумента имеют значение NUL в одном и том же месте или если счет исчерпан без разницы.

strncmp безопаснее, чем в зависимости от того, что line длиннее word, учитывая, что разница скоростей между memcmp и strncmp очень мала.

Однако с таким большим количеством данных и таким количеством слов, которые нужно проверить, вы должны попробовать что-то, что уменьшит количество сравнений, которые вам нужно сделать.Вы можете поместить слова в Trie, например.Или, если это кажется слишком большой работой, вы можете по крайней мере классифицировать их по первой букве и использовать только те, чья первая буква соответствует первой букве строки, если таковые имеются.

Если вы ищете экземпляр слова (ей) где-либо в строке, то вам потребуется более сложная стратегия поиска.Есть много алгоритмов для этой проблемы;Aho-Corasick эффективен и прост, хотя есть и более быстрые.

Answer 2

Если строка расшифрованного текста имеет длину 352 символа, а каждое слово в индексе не имеет длину 352 символа, то строка дешифрованного текста никогда не будет соответствовать ни одному слову в индексе.

Исходя из этого, я думаюВы неправильно поняли требования и задали вопрос, основанный на недоразумении.

В частности, я подозреваю, что вы хотите сравнить каждое отдельное слово в расшифрованной строке (а не всю строку) с каждым каждым словом в вашеминдекс, чтобы определить, все ли слова в расшифрованной строке являются приемлемыми.Для этого первым шагом будет разбить расшифрованную строку символов на отдельные слова - например, найти символы, которые разделяют слова (пробелы, символы табуляции, запятые?) В расшифрованном тексте, и заменить их нулевым терминатором (чтобывы можете использовать strcmp() и вам не нужно беспокоиться о том, что "foobar" неправильно соответствует "foo" только потому, что совпадают первые буквы).

Обратите внимание, что, возможно, есть потенциальные оптимизации.Например, если вы знаете, что слово из расшифрованного текста содержит 8 символов (что вы должны были бы знать, чтобы поместить нулевой терминатор в правильное место), и если ваш индекс разделен на «один список для каждой длины слова» (например, список индексных слов с 3 символами, список индексных слов с 4 символами и т. д.), тогда вы можете пропустить множество сравнений строк (и сравнивать только слова из расшифрованной строки со словами одинаковой длины).в указателе).В этом случае (когда вы знаете, что оба слова уже имеют одинаковую длину) вы также можете избежать изменения исходных 352 символов (вам не нужно будет вставлять нулевой терминатор после каждого слова).