C语言统计文件中的字符数、单词数以及总行数

统计文件的字符数、单词数以及总行数，包括：

• 每行的字符数和单词数
• 文件的总字符数、总单词数以及总行数

注意：

• 空白字符（空格和tab缩进）不计入字符总数；
• 单词以空格为分隔；
• 不考虑一个单词在两行的情况；
• 限制每行的字符数不能超过1000。

请先看代码：

#include <stdio.h>
#include <string.h>
int *getCharNum(char *filename, int *totalNum);
int main(){
    char filename[30];
    // totalNum[0]: 总行数  totalNum[1]: 总字符数  totalNum[2]: 总单词数
    int totalNum[3] = {0, 0, 0};
    printf("Input file name: ");
    scanf("%s", filename);
    if(getCharNum(filename, totalNum)){
        printf("Total: %d lines, %d words, %d chars\n", totalNum[0], totalNum[2], totalNum[1]);
    }else{
        printf("Error!\n");
    }
    return 0;
}
/**
 * 统计文件的字符数、单词数、行数
 *
 * @param  filename  文件名
 * @param  totalNum  文件统计数据
 *
 * @return  成功返回统计数据，否则返回NULL
**/
int *getCharNum(char *filename, int *totalNum){
    FILE *fp;  // 指向文件的指针
    char buffer[1003];  //缓冲区，存储读取到的每行的内容
    int bufferLen;  // 缓冲区中实际存储的内容的长度
    int i;  // 当前读到缓冲区的第i个字符
    char c;  // 读取到的字符
    int isLastBlank = 0;  // 上个字符是否是空格
    int charNum = 0;  // 当前行的字符数
    int wordNum = 0; // 当前行的单词数
    if( (fp=fopen(filename, "rb")) == NULL ){
        perror(filename);
        return NULL;
    }
    printf("line   words  chars\n");
    // 每次读取一行数据，保存到buffer，每行最多只能有1000个字符
    while(fgets(buffer, 1003, fp) != NULL){
        bufferLen = strlen(buffer);
        // 遍历缓冲区的内容
        for(i=0; i<bufferLen; i++){
            c = buffer[i];
            if( c==' ' || c=='\t'){  // 遇到空格
                !isLastBlank && wordNum++;  // 如果上个字符不是空格，那么单词数加1
                isLastBlank = 1;
            }else if(c!='\n'&&c!='\r'){  // 忽略换行符
                charNum++;  // 如果既不是换行符也不是空格，字符数加1
                isLastBlank = 0;
            }
        }
        !isLastBlank && wordNum++;  // 如果最后一个字符不是空格，那么单词数加1
        isLastBlank = 1;  // 每次换行重置为1
        // 一行结束，计算总字符数、总单词数、总行数
        totalNum[0]++;  // 总行数
        totalNum[1] += charNum;  // 总字符数
        totalNum[2] += wordNum;  // 总单词数
        printf("%-7d%-7d%d\n", totalNum[0], wordNum, charNum);
        // 置零，重新统计下一行
        charNum = 0;
        wordNum = 0;
    }
    return totalNum;
}

在D盘下创建文件demo.txt，并输入如下的内容：

I am Chinese. I love my country.
China has 960 square kilometers of territory.
China has a population of 1.35 billion.
The capital of China is Beijing.

                                By gunge

                                2021-08-12

运行程序，输出结果为：

Input file name: d://demo.txt
line   words  chars
1      7      26
2      7      39
3      7      33
4      6      27
5      0      0
6      2      7
7      0      0
8      1      10
Total: 8 lines, 30 words, 142 chars

 

上面的程序，每次从文件中读取一行，放到缓冲区buffer，然后遍历缓冲区，统计当前行的字符和单词数。

fgets()函数用于从文件中读取一行或指定个数的字符，其原型为：
   char * fgets(char *buffer, int size, FILE * stream);
参数说明：

• buffer为缓冲区，用来保存读取到的数据。
• size为要读取的字符的个数。如果该行字符数大于size-1，则读到 size-1 个字符时结束，并在最后补充' \0'；如果该行字符数小于等于 size-1，则读取所有字符，并在最后补充 '\0'。即，每次最多读取 size-1 个字符。读取的字符包括换行符。
• stream为文件指针。

有的读者问，为什么不使用getc()，每次从文件中读取一个字符，也无需开辟缓冲区。

这样没有问题，但是在处理换行时要注意跨平台问题，因为不同的平台对文本文件换行的处理不一样，Linux以'\n'为换行符，Windows以'\n\r'为换行符，Mac又以'\r\n'为换行符。所以，使用getc()函数处理换行时比较麻烦。

这里去繁就简，通过fgets()读取整行数据，然后再处理每个字符，直接忽略'\n'和'\r'。

注意：由于每行的结尾会有最多2个字节长度的换行符，fgets()还会添加NUL，所以缓冲区的长度至少为1003，才能容纳每行1000个字符，否则strlen()可能返回垃圾值。

请看代码第43行，打开文件出错时，返回NULL，而不是生硬的exit()。这样可以通知主调函数发生了错误，让主调函数做出适当的处理，或者通知用户，提高软件的用户体验。