strtok() 如何将字符串拆分为 C 中的标记？答案

【问题标题】：How does strtok() split the string into tokens in C?strtok() 如何将字符串拆分为 C 中的标记？
【发布时间】：2011-04-22 20:16:07
【问题描述】：

请向我解释strtok() 函数的工作原理。手册说它将字符串分解为标记。我无法从手册中理解它的实际作用。

我在str 和*pch 上添加了手表来检查它在第一个while 循环发生时的工作情况，str 的内容只是“this”。下面显示的输出是如何打印在屏幕上的？

/* strtok example */
#include <stdio.h>
#include <string.h>

int main ()
{
  char str[] ="- This, a sample string.";
  char * pch;
  printf ("Splitting string \"%s\" into tokens:\n",str);
  pch = strtok (str," ,.-");
  while (pch != NULL)
  {
    printf ("%s\n",pch);
    pch = strtok (NULL, " ,.-");
  }
  return 0;
}

输出：

拆分字符串“- 这是一个示例字符串。”进入令牌：这一种样本细绳

【问题讨论】：

strtok() 通过在返回前用 NUL 终止标记来修改其参数字符串。如果您尝试检查整个缓冲区 (str[])，您会看到它在连续调用 strtok() 之间被修改。
不要看str，而是看str[0], str[1], str[2], ...
@pmg: 我看了 str[0] 和 str[1].str[1] 应该是 '\0'，但那里是个空格。
老实说，我从来没有费心去检查，但我想它存储了最后一个传入的指针，以及它离开的位置。如果指针为NULL就可以继续，否则清空重新开始。
@Firegun: static variable.

标签： c string split token strtok

【解决方案1】：

`strtok` 正在用`'\0'` 给定字符串中的 NULL 字符替换分隔符

代码

#include<iostream>
#include<cstring>

int main()
{
    char s[]="30/4/2021";     
    std::cout<<(void*)s<<"\n";    // 0x70fdf0
    
    char *p1=(char*)0x70fdf0;
    std::cout<<p1<<"\n";
    
    char *p2=strtok(s,"/");
    std::cout<<(void*)p2<<"\n";
    std::cout<<p2<<"\n";
    
    char *p3=(char*)0x70fdf0;
    std::cout<<p3<<"\n";
    
    for(int i=0;i<=9;i++)
    {
        std::cout<<*p1;
        p1++;
    }
    
}

输出

0x70fdf0       // 1. address of string s
30/4/2021      // 2. print string s through ptr p1 
0x70fdf0       // 3. this address is return by strtok to ptr p2
30             // 4. print string which pointed by p2
30             // 5. again assign address of string s to ptr p3 try to print string
30 4/2021      // 6. print characters of string s one by one using loop

标记字符串之前

我将字符串 s 的地址分配给某个 ptr(p1) 并尝试通过该 ptr 打印字符串并打印整个字符串。

标记化后

strtok 将字符串 s 的地址返回给 ptr(p2) 但是当我尝试通过 ptr 打印字符串时它只打印“30”它没有打印整个字符串。所以可以肯定strtok is not just returning adress but it is placing '\0' character where delimiter is present。

交叉检查

1.

我再次将字符串 s 的地址分配给某个 ptr (p3) 并尝试打印字符串，它打印“30”，因为在分隔符处使用 '\0' 更新字符串的标记。

2.

通过循环查看逐个字符打印字符串，第一个分隔符被替换为'\0'，因此它打印的是空格而不是''

【讨论】：

【解决方案2】：

所以，这是一个代码 sn-p 以帮助更好地理解这个主题。

打印令牌

任务：给定一个句子 s，将句子的每个单词打印在一个新行中。

char *s;
s = malloc(1024 * sizeof(char));
scanf("%[^\n]", s);
s = realloc(s, strlen(s) + 1);
//logic to print the tokens of the sentence.
for (char *p = strtok(s," "); p != NULL; p = strtok(NULL, " "))
{
    printf("%s\n",p);
}

输入： How is that

结果：

How
is
that

解释：所以这里使用了“strtok()”函数，并使用for循环进行迭代以在单独的行中打印标记。

该函数将参数作为“字符串”和“断点”，并在这些断点处断开字符串并形成标记。现在，这些令牌存储在“p”中，并用于进一步打印。

【讨论】：

我认为通过一个例子来解释比参考一些文档要好得多。

【解决方案3】：

如果你发现它只是打印新行，你可以扫描字符数组来寻找令牌，否则打印字符。

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

int main()
{
    char *s;
    s = malloc(1024 * sizeof(char));
    scanf("%[^\n]", s);
    s = realloc(s, strlen(s) + 1);
    int len = strlen(s);
    char delim =' ';
    for(int i = 0; i < len; i++) {
        if(s[i] == delim) {
            printf("\n");
        }
        else {
            printf("%c", s[i]);
        }
    }
    free(s);
    return 0;
}

【讨论】：

【解决方案4】：

strtok() 将字符串划分为标记。即从任何一个分隔符到下一个分隔符将是您的一个令牌。在您的情况下，起始标记将来自“-”并以下一个空格“”结束。然后下一个标记将从“”开始并以“，”结束。在这里你得到“这个”作为输出。类似地，字符串的其余部分被拆分为从一个空间到另一个空间的标记，最后以“。”结束最后一个标记

【讨论】：

一个token的结束条件成为下一个token的开始token？是否也有nul字符代替结束条件？
@fahad- 是的，正如其他人所建议的那样，您拥有的所有分隔符都将替换为 NUL 字符。
如果所有的分隔符都被Nul替换了，那为什么字符串会包含“-this”呢？它应该包含“\0”
@fahad - 它只用 NUL 替换分隔符，而不是分隔符之间的所有字符。它将字符串拆分为多个标记。您会得到“This”，因为它位于两个指定的分隔符之间，而不是“-this”。
@Fahad - 是的，绝对的。据我所知，所有空格、“、”和“-”都被 NUL 替换，因为您已将它们指定为分隔符。

【解决方案5】：

对于那些仍然难以理解这个 strtok() 函数的人，看看这个 pythontutor example，它是可视化 C（或 C++、Python ...）代码的好工具。

如果链接损坏，请粘贴：

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

int main()
{
    char s[] = "Hello, my name is? Matthew! Hey.";
    char* p;
    for (char *p = strtok(s," ,?!."); p != NULL; p = strtok(NULL, " ,?!.")) {
      puts(p);
    }
    return 0;
}

积分转到Anders K.

【讨论】：

【解决方案6】：

strtok() 将指针存储在你上次离开的静态变量中，所以在第二次调用时，当我们传递 null 时，strtok() 从静态变量中获取指针。

如果您提供相同的字符串名称，它会再次从头开始。

此外，strtok() 具有破坏性，即它会更改原始字符串。所以请确保您始终拥有一份原始副本。

使用 strtok() 的另一个问题是，由于它将地址存储在静态变量中，因此在多线程编程中多次调用 strtok() 会导致错误。为此使用 strtok_r()。

【讨论】：

【解决方案7】：

这就是我实现 strtok 的方式，虽然不是很好，但经过 2 小时的努力，它终于成功了。它确实支持多个分隔符。

#include "stdafx.h"
#include <iostream>
using namespace std;

char* mystrtok(char str[],char filter[]) 
{
    if(filter == NULL) {
        return str;
    }
    static char *ptr = str;
    static int flag = 0;
    if(flag == 1) {
        return NULL;
    }
    char* ptrReturn = ptr;
    for(int j = 0; ptr != '\0'; j++) {
        for(int i=0 ; filter[i] != '\0' ; i++) {
            if(ptr[j] == '\0') {
                flag = 1;
                return ptrReturn;
            }
            if( ptr[j] == filter[i]) {
                ptr[j] = '\0';
                ptr+=j+1;
                return ptrReturn;
            }
        }
    }
    return NULL;
}

int _tmain(int argc, _TCHAR* argv[])
{
    char str[200] = "This,is my,string.test";
    char *ppt = mystrtok(str,", .");
    while(ppt != NULL ) {
        cout<< ppt << endl;
        ppt = mystrtok(NULL,", ."); 
    }
    return 0;
}

【讨论】：

【解决方案8】：

这是我的实现，它使用哈希表作为分隔符，这意味着它是 O(n) 而不是 O(n^2) (here is a link to the code):

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

#define DICT_LEN 256

int *create_delim_dict(char *delim)
{
    int *d = (int*)malloc(sizeof(int)*DICT_LEN);
    memset((void*)d, 0, sizeof(int)*DICT_LEN);

    int i;
    for(i=0; i< strlen(delim); i++) {
        d[delim[i]] = 1;
    }
    return d;
}



char *my_strtok(char *str, char *delim)
{

    static char *last, *to_free;
    int *deli_dict = create_delim_dict(delim);

    if(!deli_dict) {
        /*this check if we allocate and fail the second time with entering this function */
        if(to_free) {
            free(to_free);
        }
        return NULL;
    }

    if(str) {
        last = (char*)malloc(strlen(str)+1);
        if(!last) {
            free(deli_dict);
            return NULL;
        }
        to_free = last;
        strcpy(last, str);
    }

    while(deli_dict[*last] && *last != '\0') {
        last++;
    }
    str = last;
    if(*last == '\0') {
        free(deli_dict);
        free(to_free);
        deli_dict = NULL;
        to_free = NULL;
        return NULL;
    }
    while (*last != '\0' && !deli_dict[*last]) {
        last++;
    }

    *last = '\0';
    last++;

    free(deli_dict);
    return str;
}

int main()
{
    char * str = "- This, a sample string.";
    char *del = " ,.-";
    char *s = my_strtok(str, del);
    while(s) {
        printf("%s\n", s);
        s = my_strtok(NULL, del);
    }
    return 0;
}

【讨论】：

【解决方案9】：

要了解strtok() 的工作原理，首先需要知道static variable 是什么。 This link 解释的很好......

strtok() 操作的关键是在连续调用之间保留最后一个分隔符的位置（这就是为什么strtok() 在使用null pointer 调用它时继续解析传递给它的原始字符串的原因在连续通话中）..

看看我自己的strtok() 实现，称为zStrtok()，它的功能与strtok() 提供的功能略有不同

char *zStrtok(char *str, const char *delim) {
    static char *static_str=0;      /* var to store last address */
    int index=0, strlength=0;           /* integers for indexes */
    int found = 0;                  /* check if delim is found */

    /* delimiter cannot be NULL
    * if no more char left, return NULL as well
    */
    if (delim==0 || (str == 0 && static_str == 0))
        return 0;

    if (str == 0)
        str = static_str;

    /* get length of string */
    while(str[strlength])
        strlength++;

    /* find the first occurance of delim */
    for (index=0;index<strlength;index++)
        if (str[index]==delim[0]) {
            found=1;
            break;
        }

    /* if delim is not contained in str, return str */
    if (!found) {
        static_str = 0;
        return str;
    }

    /* check for consecutive delimiters
    *if first char is delim, return delim
    */
    if (str[0]==delim[0]) {
        static_str = (str + 1);
        return (char *)delim;
    }

    /* terminate the string
    * this assignmetn requires char[], so str has to
    * be char[] rather than *char
    */
    str[index] = '\0';

    /* save the rest of the string */
    if ((str + index + 1)!=0)
        static_str = (str + index + 1);
    else
        static_str = 0;

        return str;
}

这是一个示例用法

  Example Usage
      char str[] = "A,B,,,C";
      printf("1 %s\n",zStrtok(s,","));
      printf("2 %s\n",zStrtok(NULL,","));
      printf("3 %s\n",zStrtok(NULL,","));
      printf("4 %s\n",zStrtok(NULL,","));
      printf("5 %s\n",zStrtok(NULL,","));
      printf("6 %s\n",zStrtok(NULL,","));

  Example Output
      1 A
      2 B
      3 ,
      4 ,
      5 C
      6 (null)

代码来自a string processing library I maintain on Github，叫做zString。看看代码，甚至贡献:) https://github.com/fnoyanisi/zString

【讨论】：

【解决方案10】：

strtok 运行时函数是这样工作的

第一次调用 strtok 时，您提供了一个要标记化的字符串

char s[] = "this is a string";

在上面的字符串空间中似乎是单词之间的一个很好的分隔符，所以让我们使用它：

char* p = strtok(s, " ");

现在发生的是搜索's'直到找到空格字符，返回第一个标记（'this'）并且p指向那个标记（字符串）

为了获得下一个令牌并继续使用相同的字符串 NULL 作为第一个传递参数，因为 strtok 维护 一个静态指针 指向您之前传递的字符串：

p = strtok(NULL," ");

p 现在指向'is'

以此类推，直到找不到更多空格，然后将最后一个字符串作为最后一个标记“字符串”返回。

更方便的是，你可以这样写来打印出所有标记：

for (char *p = strtok(s," "); p != NULL; p = strtok(NULL, " "))
{
  puts(p);
}

编辑：

如果您想存储来自strtok 的返回值，您需要将令牌复制到另一个缓冲区，例如strdup(p); 因为原始字符串（由 strtok 中的静态指针指向）在迭代之间被修改以返回令牌。

【讨论】：

所以它实际上并没有在字符串之间放置一个nul字符？为什么我的手表显示字符串只剩下“THIS”？
它确实将找到的 ' ' 替换为 '\0'。而且，它不会在以后恢复 ' '，所以你的字符串永远被破坏了。
+1 表示静态缓冲区，这是我不明白的
一个非常重要的细节，“返回第一个令牌，p 指向那个令牌”这一行缺少一个非常重要的细节，即strtok 需要改变原始的通过放置一个空字符代替分隔符来创建字符串（否则其他字符串函数将不知道令牌的结束位置）。它还使用静态变量跟踪状态。
@Groo 我想我已经在 2017 年所做的编辑中添加了这一点，但你是对的。

【解决方案11】：

strtok 维护一个静态的内部引用，指向字符串中的下一个可用标记；如果您向它传递一个 NULL 指针，它将从该内部引用中工作。

这就是strtok 不能重入的原因；一旦你向它传递一个新指针，旧的内部引用就会被破坏。

【讨论】：

旧的内部参考“被破坏”是什么意思。你的意思是“覆盖”吗？
@ylun.ca：是的，我就是这个意思。

【解决方案12】：

strtok 不会更改参数本身 (str)。它存储该指针（在本地静态变量中）。然后，它可以在后续调用中更改该参数指向的内容，而无需将参数传回。（它可以推进它保留的指针，但它需要执行它的操作。）

来自 POSIX strtok 页面：

此函数使用静态存储来跟踪调用之间的当前字符串位置。

有一个线程安全的变体 (strtok_r) 不会做这种魔法。

【讨论】：

好吧，C 库函数可以追溯到很久以前，线程根本不在图片中（就 C 标准而言，它只是在 2011 年才开始存在），所以重新- 入学并不重要（我猜）。该静态局部使函数“易于使用”（对于“简单”的某些定义）。就像 ctime 返回一个静态字符串 - 实用（没有人需要想知道谁应该释放它），但如果你不是很清楚它不会重入和绊倒你。
这是错误的：“strtok 不会更改参数本身 (str)。” puts(str); 打印“- This”，因为 strtok 修改了 str。
@MarredCheese：再读一遍。它不会修改指针。它修改指针指向的数据（即字符串数据）
哦，好吧，我没有意识到这就是你的意思。同意。

【解决方案13】：

strtok 将标记一个字符串，即将其转换为一系列子字符串。

它通过搜索分隔这些标记（或子字符串）的分隔符来做到这一点。并且您指定分隔符。在你的情况下，你想要''或'，'或'。或“-”作为分隔符。

提取这些标记的编程模型是您手动 strtok 主字符串和分隔符集。然后你反复调用它，每次 strtok 都会返回它找到的下一个标记。直到它到达主字符串的末尾，当它返回 null 时。另一个规则是您只在第一次传递字符串，而在随后的时间传递 NULL。这是一种告诉 strtok 是否正在使用新字符串开始新的标记化会话，或者您正在从先前的标记化会话中检索标记的方法。请注意，strtok 会记住其标记化会话的状态。由于这个原因，它不是可重入的或线程安全的（你应该使用 strtok_r 代替）。要知道的另一件事是它实际上修改了原始字符串。它为找到的分隔符写入 '\0'。

一种调用 strtok 的方法简而言之如下：

char str[] = "this, is the string - I want to parse";
char delim[] = " ,-";
char* token;

for (token = strtok(str, delim); token; token = strtok(NULL, delim))
{
    printf("token=%s\n", token);
}

结果：

this
is
the
string
I
want
to
parse

【讨论】：

【解决方案14】：

strtok 将第二个参数中的字符替换为 NULL，NULL 字符也是字符串的结尾。

http://www.cplusplus.com/reference/clibrary/cstring/strtok/

【讨论】：

【解决方案15】：

strtok 修改其输入字符串。它将空字符 ('\0') 放入其中，以便将原始字符串的位作为标记返回。实际上 strtok 不分配内存。如果将字符串绘制为一系列框，您可能会更好地理解它。

【讨论】：

【解决方案16】：

第一次调用它时，将要标记的字符串提供给strtok。然后，要获得以下标记，只需将 NULL 赋予该函数，只要它返回非 NULL 指针即可。

strtok 函数记录了您在调用它时首先提供的字符串。（这对于多线程应用程序来说确实很危险）

【讨论】：

strtok 正在用'\0' 给定字符串中的 NULL 字符替换分隔符

`strtok` 正在用`'\0'` 给定字符串中的 NULL 字符替换分隔符