如何用fscanf获取指定URL的PageRank？排查代码段错误

需求说明 #

我有一个名为pageRankList.txt的文件，每行内容按URL、出站链接数、PageRank值的顺序排列，示例内容如下：

url23 4 0.0405449
url31 3 0.0371111
url22 5 0.0300785
url34 4 0.0288782
url21 2 0.0247087
url11 3 0.0235192
url32 2 0.0227647

需要实现一个函数，输入指定URL后返回对应的PageRank值。我自己写了一段代码，但运行时出现未知地址的段错误（SEGV），无法定位原因，代码如下：

static double getPageRank(char *url) {
    double pageRank = 0;
    FILE *fp = fopen("pageRankList.txt", "r");
    char str[1000];

    int counter = 0;
    while (fscanf(fp, " %98s", str) != EOF) {
        if (strcmp(url, str) == 0) {
            counter++;
            continue;
        }

        if (counter == 2) {
            pageRank = atof(str);
            printf("%f
", pageRank);
            break;
        }
    }
    fclose(fp);
    return pageRank;
}

问题分析 #

你的代码出现段错误及逻辑问题的原因如下：

1. 未检查文件打开状态：如果pageRankList.txt不存在、路径错误或无读取权限，fopen会返回NULL，后续调用fscanf操作空指针会直接触发段错误。
2. 逻辑错误：代码逐个读取文件中的每个字符串（token），找到目标URL后仅将counter加1，但后续读取的出站链接数字符串不会触发counter增长，永远无法满足counter == 2的条件，导致循环要么持续到文件结束，要么在过程中出现异常。
3. 语法错误：printf中的换行符写法错误（printf("%f ", pageRank);），会导致编译或运行时问题。

正确实现方案 #

直接按照文件每行的三个字段格式读取，逻辑更清晰且避免错误，代码如下：

static double getPageRank(char *url) {
    double pageRank = 0.0;
    // 打开文件并检查是否成功
    FILE *fp = fopen("pageRankList.txt", "r");
    if (!fp) {
        fprintf(stderr, "无法打开pageRankList.txt文件\n");
        return pageRank;
    }

    char currentUrl[100];
    int outLinks;
    double currentPR;

    // 按格式读取每行的三个字段，成功读取3个字段时进入循环
    while (fscanf(fp, "%s %d %lf", currentUrl, &outLinks, &currentPR) == 3) {
        // 匹配目标URL
        if (strcmp(url, currentUrl) == 0) {
            pageRank = currentPR;
            break; // 找到后立即退出循环，提升效率
        }
    }

    fclose(fp);
    return pageRank;
}

方案优势 #

• 空指针防护：检查fopen的返回值，避免空指针操作导致的段错误。
• 逻辑清晰：直接对应文件的每行格式读取三个字段，无需手动计数token，避免逻辑混乱。
• 效率更高：找到目标URL后立即退出循环，无需遍历整个文件。

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