C语言：如何实现在txt文件中删除超链接、统计单词数量、生成单词列表 （文本流操作并解决乱码）

1、首先读取原文件内容文本流（包含中英文）

2、删除超链接

3、统计单词数量

4、去除重复单词

读取文件需要自己在文本笔记中保存一个网页，保存为txt文件

注意的是，在这个代码实现过程中，我学到的是如何避免输入内容时出现乱码的现象，第一是必须要用fprintf、fread、fwrite等 用于文本流的函数，而不能用fputc、fputs这些用于二进制文本的函数，虽然说当你内容少的时候，可能不会出现乱码情况，当你输入内容多起来的时候就不一定了。（以上只是向txt文件输入内容的时候）

所以记住，fprintf是向txt文件原原本本的输出你想要输出的东西。

读取出现乱码怎么办：网上有很多说法，你可以试试保存txt文件的时候按照其他博客大佬那样修改保存的格式，

但是我这里使用的是系统命令，

也就是在int main(){后面加上一段代码：system("mode con cp select=65001");

代码表示，将代码页转换为UTF-8，因为计算机在读取内容的时候，是用二进制的方式读取，读进去的时候自然会有乱码现象，所以我们无须在文本文件下面另存为UTC-8类型（我自己另存了也不行，读出来还是会有乱码现象），所以我最后用命令行的方式解决了这个困扰我很久的世纪难题！！！！！！！！！！！！！！最后记得输出%d或者其他%lf等等数字的时候需要改回你自己计算机的代码页，我的是936，所以在输出多少个单词的时候再次用system命令行修改代码页

system("mode con cp select=65001");

显示代码页：

其中65001代表UTF-8，输出为：

Status for device CON:
    ----------------------
    Lines:          9001
    Columns:        120
    Keyboard rate:  31
    Keyboard delay: 1
    Code page:      65001

　　代码页就是DOS中显示的语言
　   437代表美式英语即可输出为：
　　Status for device CON:
　　----------------------
　　Lines: 40
　　Columns: 100
　　Keyboard rate: 31
　　Keyboard delay: 1
　　Code page: 437
　　936（936表示简体中文）输出：
　　设备状态 CON:
　　---------
　　行:　 40
　　列:　 100
　　键盘速度: 31
　　键盘延迟:　 1
　　代码页: 936

#include<stdio.h>
#include<string.h>
#include<ctype.h>
/*
	/ ********************************************** /
		This is Jackson.W's Experiment report.
		Time: 2022.03.05
		school num: 20203005129
	/ ********************************************** /

	//暂时不修改原文件内容
	-----------------------------
	创建一个临时文件，将源文件进行扫描，超链接不扫描，操作完成后再进行临时文件内容复制到原文件中，就可以实现源文件也删除了超链接
	-----------------------------

	第一大功能实现：
	将扫描到的字符串一个一个录入到字符串中，
	（删除超链接）
	创建一个临时文件，将源文件进行扫描，超链接不扫描

	1，若碰到 < 符号，判断是否是超链接

	2，设置一个函数，碰到的 < 的地方，在此处继续扫描下去，直到遇到 > 符号 

	3，记录此处的位置，继续录入字符到字符串中去 

	4，直到文件的末尾处 

	测试结果： 该文件的字符串长度：14254 

	第二大功能：将删除超链接后的文件内容复制到另一个文本中去 

	第三大功能：统计单词数目 

	第四大功能：去除重复单词
	a) 建立一个结构数组，包含：存字符串的数组， 计算单词数量int ，定义一个字符串数组copy，用来缓存文件单词
	b) 读取第一个单词，录进copy中，再与结构数组的字符串进行比较
	c) 如果不同，则存进第i个数组结构的字符串
	d) 如果相同，就清空copy的字符串，再进行下一次的扫描
	e) 

	第五大功能：将单词表存进另一个txt文件  

*/

typedef struct _Wordc{
	char s[20];
	int num;

}Wordc;//定义两百个空间，录入单词 

void prt(char ch, FILE *fp);//输出文本内容 

void deltxt(char ch, FILE *fp, FILE *temp);//删除超链接 

void copytxt(char ch,  FILE *fp, FILE *null_f);//实现两个文件的复制，第一个内容复制到另一个文件内容中去 

int madeword(char *ch, FILE *fp);//实现将文件中的单词提取出来 

void wordcc(Wordc *wordc, FILE *fp1, FILE *fp2, char *copy);//去除重复单词，生成单词表打印出来

void wbiao(Wordc *wordc, FILE *fp, int m);

int main()
{
	int i;
	system("mode con cp select=65001");
	char ch;
	char ch1[20], ch2[20];
	//char *w[20];
	FILE *fp1 = NULL;
	FILE *fp2 = NULL;
	char copy[20];
	Wordc wordc[700];

	//FILE *tmpfp = NULL;
	//tmpfp = tmpfile();//临时文件，测试代码要用 

	/************输出原始文本内容**************/
	fp1 = fopen("/tmp/shuju.txt", "r");
	prt(ch, fp1);
	fclose(fp1);
	/**************************************/ 

	/************删除超连接***************/
	fp1 = fopen("/tmp/shuju.txt", "r");
	fp2 = fopen("/tmp/new.txt", "w");
	//deltxt(ch1, fp1, tmpfp);用临时文件测试，实现删除超链接
	deltxt(ch, fp1, fp2);

	fclose(fp1);
	fclose(fp2);
	/*************************************/ 

	/***************删除超连接后，将文件复制到新的文本**************/
	fp1 = fopen("/tmp/shuju.txt", "w");
	fp2 = fopen("/tmp/new.txt", "r");
	copytxt(ch, fp2, fp1);
	fclose(fp1);
	fclose(fp2);
	/*************************************/ 

	/************输出删除超链接后的内容**************/
	fp1 = fopen("/tmp/shuju.txt", "r");
	prt(ch, fp1);
	fclose(fp1);
	/**************************************/ 

	/************统计单词数目，除去重复单词, 打印出单词相同的单词表，并且将单词表复制给新的文本里面*************/
	fp1 = fopen("/tmp/new.txt", "r");
	fp2 = fopen("/tmp/wordsclub.txt", "w");
	wordcc(wordc, fp1, fp2, copy);
	fclose(fp1);
	fclose(fp2);
	/**********************************************************************************************************/ 

	/*将单词表所在文件的单词内容打印出来*/
	fp2 = fopen("/tmp/wordsclub.txt", "r");
	prt(ch, fp2);
	fclose(fp2);
	/*************************************/
//	printf("\n***************\n");
//	for(i = 0; i < 200; i++)
//	{
//		printf("%s ", wordc[i].s);
//		if(i % 10 == 0)
//		{
//			printf("\n");
//		}
//	 }
	return 0;
}

void prt(char ch, FILE *fp)//输出文本内容
{
	while(!feof(fp))
	{
		ch = fgetc(fp);
		//fscanf(fp, "%c", &ch);
		//fread(ch, 20, 1, fp);
		putchar(ch);
		//printf("%s", ch);
	}

}

void deltxt(char ch, FILE *fp, FILE *temp)//删除超链接 ，temp为另一个文件，可为临时文件，也可为另一个文件
{
	char copy[11];
	//char ch;
	int i;
	int index;
	char tcopy[11];
	while(!feof(fp))
	{

		//ch = getc(fp);//判断是否碰到<符号
		pos_1:
			for(i = 0; i < 10; i++)
			{
				copy[i] = ' ';
				tcopy[i] = ' ';
			}
			//copy[9] = '\0';
		i = 0;
		//fread(copy, 10, 1, fp);

		for(i = 0; i < 10; i++)
		{
			copy[i] = getc(fp);//读取
			if(copy[i] == '<')//当读取到<的时候                kjihi<dvs>inini<fsdgg      vcgcnsfg>
		{
			copy[i] = '\0';//让他结束扫描，直接把字符串写进去

			fprintf(temp, "%s", copy);
			while(1)
			{
				ch = getc(fp);
			while(ch == '>')
			{
				goto pos_1;//当遇到>结尾的时候就继续跳到read处继续扫描
			}
			}

			//putchar(ch);//测试打印出来是否删除了超链接
			//putc(ch, temp);//写到临时文件里面去
			//fprintf(temp, "%s", ch);
		}
		else if(i == 9)//当一直没遇到<
		{
			copy[10] = '\0';
			fprintf(temp, "%s", copy);
		}
		}

//		else
//		{
//			while(ch != '>')//当还没到>符号的时候继续往下扫描
//			{
//				//ch = getc(fp);
//			}
//		}
	}

}

int madeword(char *ch, FILE *fp)//实现将文件中的单词提取出来， 默认是在当前文件流中继续扫描下一个
{

	char chp;
	int i = 0;
	char temp;
	while(!feof(fp))
	{

		temp = getc(fp);
		//ch[i] = chp;
		//printf("\n*************%c*************\n", chp);
				if((temp >= 65 && temp <= 90) || (temp >= 97 && temp <= 122) ) //确定是字母
			{
				chp = temp;
				i = 0;
				while(1)
				{

					ch[i] = chp;
					printf("%c", ch[i]);
					chp = getc(fp);
					if(!((chp >= 65 && chp <= 90) || (chp >= 97 && chp <= 122)))
					{
						i++;
						ch[i] = '\0';
						//printf("\n%s\t", ch);
						break;
					}
					i++;
				}
				break;
			}

	}

} 

void wordcc(Wordc *wordc, FILE *fp1, FILE *fp2, char *copy)//去除重复单词，生成单词表打印出来
{
	/*
	typedef struct _Wordc{
	char s[20];
	int num;
	}Wordc;//定义两百个空间，录入单词
	四大功能：去除重复单词
	a) 建立一个结构数组，包含：存字符串的数组， 计算单词数量int ，定义一个字符串数组copy，用来缓存文件单词
	b) 读取第一个单词，录进copy中，再与结构数组的字符串进行比较
	c) 如果不同，则存进第i个数组结构的字符串
	d) 如果相同，就清空copy的字符串，再进行下一次的扫描
	e)
	*/
	int i = 0,j = 0, m = 1;
	int k = 0;
	//copy[20] = "";
	int index = 0;//当前结果数组的最大下标
	char ch;//读取流的字符 

	int numwords =  0;
	int num = 0;
	int start = 0;

	for (j = 0; j < 200; j++)
	{
		wordc[j].num = 0; //把结构体数组成员的num全部赋值为0
	}

	while(!feof(fp1))
	{

		ch = fgetc(fp1);
		if(isalpha(ch))
	{

		start = 1;//标志进来过这个语句，所以已经有一个字母开头，下面就可以利用这个条件进行判断
		if(isupper(ch))
		{
			ch = tolower(ch);
		 }
		copy[i++] = ch;
	}
	else if(!isalpha(ch) && start == 1)//符合条件就开始搜索是否有相同单词
	{
		copy[i] = '\0';//添加\0 变成字符串之后方便比较和其他操作
		numwords++;
		start = 0;
		//printf("%s*******88\n", copy);
		for(j = 0; j < m; j++)
		{

			if(strcmp(copy, wordc[j].s) == 0)//表示出现过
			{
				wordc[j].num++;
				k = 0;//表示有重复单词
				break;
			 }
			 else
			 {
			 	k = 1;//遍历所有元素，无影响，因为碰到上面有重复的才会break,这里即使等于1 了也不会出来，继续遍历
			  }
		  }
		if(k == 1)
		{
			for(j = 0; j < i + 1; j++)
			{
				wordc[m].s[j] = copy[j];
			}
			wordc[m].num++;//新成员加一
			m++;//移动到结构的下一个新空间
		  }
		  i = 0;
		  for(j = 0; j < 20; j++)
		  {
		  	copy[j] = ' ';//清空copy内的字符内容
		  }  

		 }
	}
	system("mode con cp select=936");
	printf("一共有%d个不同的单词\n" , m-1);
	printf("总单词数量：%d\n", numwords);
	//system("mode con cp select=65001");

//	for(j = 0; j < m; j++)
//	{
//		printf("%s\n", wordc[j].s);
//	}

	/**************************************************生成单词表的函数在这里**********************/
	wbiao(wordc, fp2, m);
}

void wbiao(Wordc *wordc, FILE *fp, int m)
{
	//system("mode con cp select=437");
	int i ,j;
	for(i = 0; i < m; i++)
	{

		//fwrite(wordc[i].s, sizeof(wordc[i].s[0]), sizeof(wordc[i].s) / sizeof(wordc[i].s[0]), fp);
		fprintf(fp, "%s", wordc[i].s);//链表中已经把字符字符串化，所以直接每一个单词输出就行
		fprintf(fp, " ");
		if(i % 10 == 0)
		{
			fprintf(fp, "\n");
			//putc()
		}
	}

 }