Как проверить два *.txt на наличие совпадений по словам на C?

Question

[Ivan Yakushenko]

Есть два больших текстовых документа, необходимо проверить их на наличие одинаковых слов. Оба документа загружаются в память функцией fopen('text.txt', "r");. Думал сформировать 2 массива и в циклично прогонять 1 слово из 1 файла со всеми словами из 2 файла, 2 слово из 1 файла со всеми из 2 файла и так далее, не знаю как сформировать массив слов из входного потока.

Answer 1

[Rsa97]

Для начала надо определиться, что значит "одинаковые слова". Если важен смысл слов, то это непросто (идти, иду, пойду, шёл - одно и то же слово).
Если слово берёте просто как цепочку символов, то всё проще. Открываете файл через open(name, O_RDONLY | O_BINARY), пишете подпрограмму, которая читает файл посимвольно, пропускает всё до первой буквы, читает пока не встретится небуквенный символ, возвращает слово. В основном цикле получаете из подпрограммы слово, записываете его в словарь. Если пишете на чистом C, то словарь придётся реализовать самому, например как дерево.
Затем также читаете второй файл и ищете слова в собранном словаре.

Comments

[Ivan Yakushenko]

Файл открывается fopen. далее вы написали практически то же самое, что и я в своем вопросе, за исключением одного - ответа.

[Rsa97]

Ivan Yakushenko: Вам нужен не массив, а словарь. Например так (только 32 русские буквы, 'е' и 'ё' считаем одинаковыми):

struct dict {
  int count;
  struct dist *childs[32];
};

Создаёте корневой элемент, не забываете инициализировать childs NULL'ами, count нулём.
Берёте очередное слово, берёте его первую букву, загоняете её в нижний регистр, если это 'ё', то вместо неё берёте 'е', вычитаете 'а', получаете индекс. Если childs[индекс] == NULL, то создаёте новый элемент словаря (не забываете инициализацию), записываете указатель на него его в childs[индекс]. Переходите на элемент childs[индекс]. Если в слове есть ещё буквы, то повторяете процедуру. Если букв больше нет, то увеличиваете count текущего элемента на 1.
В результате получите словарь, обойдя который можно получить все слова и количество этих слов. При чтении второго файла в словарь ничего не добавляете, только проверяете наличие нужной цепочки элементов.

[Ivan Yakushenko]

Rsa97: спасибо, пожалуй это мне и нужно. буду пробовать.

Answer 2

[GavriKos]

Гуглите по ключевому слову split string. Вам так же придется отсеять знаки препинания. Т.е. сплитаете по пробелу, потом в каждом слове удаляете ненужные символы. Потом это слово заносите в список, при условии что его там нет. Для еще большего ускорения - заносите хешсумму.

Comments

[Ivan Yakushenko]

Уверены что подобное есть в С? По справочнику данной функции нет, да и гугл ничего не выдает по отношению к С.

[GavriKos]

Ivan Yakushenko нету, вам ее вручную надо реализовать. А как реализовать - гуглите по приведенному мной запросу.