C语言如何在文本文件中搜索排除子串的独立精确关键词

现有代码的问题定位 #

• 原代码使用strstr做无边界的子串匹配，只要行内任意位置出现关键词字符序列就判定为命中，无法过滤掉关键词作为子串嵌入其他单词的场景，实现不了独立整词匹配的目标，比如关键词为a时，cap、macaroni单词里内嵌的a都会被误判为匹配项
• 缺少fopen操作的返回值校验，当目标文件不存在或无读取权限时，后续的文件读取操作会触发未定义行为
• 读取行的方式用fscanf的%[^\n]格式，没有可靠的边界保护，超长行可能造成缓冲区溢出

整词匹配的判断规则 #

要满足题目要求的“关键词为独立单词形式，前后边界为空白字符”的匹配逻辑，当检索到关键词在当前行的出现位置时，必须同时校验两个方向的边界：

• 左边界：关键词的起始位置要么是整行的首个字符，要么紧邻左侧的字符为空白字符（空格、制表符、换行符等）
• 右边界：关键词的结束位置要么是整行的最后一个有效字符，要么紧邻右侧的字符为空白字符

改进后的可运行代码 #

#include <stdio.h>
#include <string.h>
#include <ctype.h>
#define MAXLINESIZE 1024
#define MAXKEYWORD 256

// 校验匹配位置是否符合独立整词的边界要求
int is_valid_word_boundary(const char *line, const char *match_pos, const char *keyword) {
    size_t keyword_len = strlen(keyword);
    // 校验左边界
    if (match_pos != line) {
        // 非行首位置时，左侧必须是空白字符才算合法边界
        if (!isspace(*(match_pos - 1))) {
            return 0;
        }
    }
    // 校验右边界
    const char *right_pos = match_pos + keyword_len;
    if (*right_pos != '\0') {
        // 非行尾位置时，右侧必须是空白字符才算合法边界
        if (!isspace(*right_pos)) {
            return 0;
        }
    }
    return 1;
}

int main()
{
    FILE* file = fopen("yankee.txt", "r");
    // 增加文件打开失败的异常处理
    if (file == NULL) {
        perror("打开文件失败");
        return 1;
    }
    int linenumber = 0;
    const char *keyword = "a";
    char keywordline[MAXLINESIZE];

    // 用fgets替代原有的fscanf读取行，避免缓冲区溢出
    while (fgets(keywordline, MAXLINESIZE, file) != NULL)
    {
        linenumber++;
        // 移除读入行末尾自带的换行符，避免干扰边界判断
        keywordline[strcspn(keywordline, "\n")] = '\0';
        
        int matched = 0;
        const char *search_pos = keywordline;
        // 遍历整行检索所有可能的关键词出现位置
        while ((search_pos = strstr(search_pos, keyword)) != NULL) {
            // 校验当前匹配位置的边界是否合法
            if (is_valid_word_boundary(keywordline, search_pos, keyword)) {
                matched = 1;
                break;
            }
            // 跳过当前位置，避免循环死锁
            search_pos++;
        }
        if (matched) {
            printf("linenumber = %d\n'%s'\n\n", linenumber, keywordline);
        }
    }
    fclose(file);
    return 0;
}

运行效果 #

针对题目给出的测试文本，上述代码的输出和预期完全一致：

linenumber = 2 
'riding on a pony'

linenumber = 3
'Stuck a feather in his cap'

代码会自动过滤掉第4行And called it macaroni.中内嵌在macaroni单词里的字母a，也不会把第1行没有独立a出现的内容纳入匹配结果。

内容的提问来源于stack exchange，提问作者YeetCode