C语言解析含空字段与变长字段的TXT文件出错求助

当使用sscanf解析空格分隔且包含空字段的文本时，默认的%s格式会跳过所有连续空格，无法识别空字段，导致列位置偏移。以下是两种可行的解决思路：

方法1：手动逐字段分割（推荐） #

手动遍历字符串，逐个识别每个字段的起始和结束位置，不管字段是否为空，都能精准对应到列。对于右侧的变长第5列，在前4列分割完成后，直接取剩余所有内容即可。

示例代码：

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

#define MAX_COL_LEN 100
#define VAR_COL_LEN 200

void parse_line(const char *line, char col1[], char col2[], char col3[], char col4[], char col5[]) {
    // 初始化所有列为空字符串
    col1[0] = col2[0] = col3[0] = col4[0] = col5[0] = '\0';
    const char *ptr = line;
    int col_idx = 0;

    // 处理前4列
    while (col_idx < 4 && *ptr != '\0') {
        // 跳过前置空格
        while (isspace((unsigned char)*ptr)) ptr++;
        if (*ptr == '\0') break;

        // 找到字段结束位置（下一个空格或行尾）
        const char *field_end = ptr;
        while (*field_end != '\0' && !isspace((unsigned char)*field_end)) field_end++;

        // 复制当前列内容
        char *target_col = NULL;
        switch(col_idx) {
            case 0: target_col = col1; break;
            case 1: target_col = col2; break;
            case 2: target_col = col3; break;
            case 3: target_col = col4; break;
        }
        strncpy(target_col, ptr, field_end - ptr);
        target_col[field_end - ptr] = '\0';

        ptr = field_end;
        col_idx++;
    }

    // 处理剩余的空列（如果前4列未填满）
    while (col_idx < 4) {
        switch(col_idx) {
            case 0: col1[0] = '\0'; break;
            case 1: col2[0] = '\0'; break;
            case 2: col3[0] = '\0'; break;
            case 3: col4[0] = '\0'; break;
        }
        col_idx++;
    }

    // 处理变长第5列：跳过前置空格后取剩余所有内容
    while (isspace((unsigned char)*ptr)) ptr++;
    strncpy(col5, ptr, VAR_COL_LEN - 1);
    col5[VAR_COL_LEN - 1] = '\0';
}

int main() {
    // 测试行：第3列为空
    char test_line[] = "2024-05-20  1001   admin  user profile with spaces";
    char col1[MAX_COL_LEN], col2[MAX_COL_LEN], col3[MAX_COL_LEN], col4[MAX_COL_LEN], col5[VAR_COL_LEN];

    parse_line(test_line, col1, col2, col3, col4, col5);

    printf("解析结果：\n");
    printf("列1: '%s'\n", col1);
    printf("列2: '%s'\n", col2);
    printf("列3: '%s'\n", col3); // 空字段
    printf("列4: '%s'\n", col4);
    printf("列5: '%s'\n", col5);

    return 0;
}

方法2：结合sscanf的%n标记逐列处理 #

如果坚持使用sscanf，可以利用%n记录每次匹配后的位置，逐个判断列是否为空，避免批量解析导致的空字段丢失。

示例代码：

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

#define MAX_COL_LEN 100
#define VAR_COL_LEN 200

void parse_line_sscanf(const char *line, char col1[], char col2[], char col3[], char col4[], char col5[]) {
    col1[0] = col2[0] = col3[0] = col4[0] = col5[0] = '\0';
    int pos = 0;

    // 解析第1列
    sscanf(line + pos, "%100s%n", col1, &pos);
    // 跳过后续空格
    sscanf(line + pos, "%*[ ]%n", &pos);

    // 解析第2列：判断当前位置是否为有效字段
    if (line[pos] != '\0' && !isspace((unsigned char)line[pos])) {
        sscanf(line + pos, "%100s%n", col2, &pos);
        sscanf(line + pos, "%*[ ]%n", &pos);
    } else {
        // 空字段，直接跳过空格
        sscanf(line + pos, "%*[ ]%n", &pos);
    }

    // 解析第3列
    if (line[pos] != '\0' && !isspace((unsigned char)line[pos])) {
        sscanf(line + pos, "%100s%n", col3, &pos);
        sscanf(line + pos, "%*[ ]%n", &pos);
    } else {
        sscanf(line + pos, "%*[ ]%n", &pos);
    }

    // 解析第4列
    if (line[pos] != '\0' && !isspace((unsigned char)line[pos])) {
        sscanf(line + pos, "%100s%n", col4, &pos);
        sscanf(line + pos, "%*[ ]%n", &pos);
    } else {
        sscanf(line + pos, "%*[ ]%n", &pos);
    }

    // 处理变长第5列
    while (isspace((unsigned char)*(line + pos))) pos++;
    strncpy(col5, line + pos, VAR_COL_LEN - 1);
    col5[VAR_COL_LEN - 1] = '\0';
}

int main() {
    char test_line[] = "2024-05-20  1001   admin  user profile with spaces";
    char col1[MAX_COL_LEN], col2[MAX_COL_LEN], col3[MAX_COL_LEN], col4[MAX_COL_LEN], col5[VAR_COL_LEN];

    parse_line_sscanf(test_line, col1, col2, col3, col4, col5);

    printf("sscanf解析结果：\n");
    printf("列1: '%s'\n", col1);
    printf("列2: '%s'\n", col2);
    printf("列3: '%s'\n", col3);
    printf("列4: '%s'\n", col4);
    printf("列5: '%s'\n", col5);

    return 0;
}

原方案失败原因 #

直接使用sscanf(line, "%s %s %s %s", col1, col2, col3, col4)这类批量解析时，%s会自动跳过所有连续空格，将非空字段依次填充到列中，完全忽略空字段的存在，导致后续从右侧解析的位置完全偏移，最终解析结果错误。

内容的提问来源于stack exchange，提问作者Jasmin Niederbacher