sscanf 其实很强大

最近在做日志分析，linux C 的开发环境，在对每行日志进行处理的时候，手下一个小伙用的是逐字节拆分成字段。

 

刚开始没注意，后来每天10几G的日志上来后，发现除了速度特别慢以外，还经常出问题，遇到错误格式的日志就直接崩溃。。。

 

拿过来帮他改的时候，觉得这里完全可以用sscanf来进行处理，于是google+man 以及半天的测试以后，终于找到了一个比较合理的格式字符串

 

"%s - - %s %*[/"]%s %1000[^/"]/" %d %d %*[/"]%1000[^/"]/" %*[/"]%1000[^/"] %*[/"]%s %d/n"

 

原日志格式为

 

58.56.110.98 - - 1264348800 "GET http://www.xxxxxxx.cc/web/validate/captcha.php?cid=134&3307 HTTP/1.0" 404 534 "-" "Trend Micro WTP Add-On 1.2.1046" TCP_MISS:FIRST_UP_PARENT 13

 

这里在处理URL用%1000是因为sscanf遇到空格就会停止，而url中可能会包含空格，所以直接算一个最大值，存下来就行，后面的类似。。

 

另外在网上搜到关于sscanf的详细说明，也不知道那个是原创了，也转贴在这里：

 

______________________________________________________________________________________

 

（转）sscanf() - 从一个字符串中读进与指定格式相符的数据

sscanf() - 从一个字符串中读进与指定格式相符的数据.

　　函数原型:
　　Int sscanf( string str, string fmt, mixed var1, mixed var2 ... );
　　int scanf( const char *format [,argument]... );

　　说明：
　　sscanf与scanf类似，都是用于输入的，只是后者以屏幕(stdin)为输入源，前者以固定字符串为输入源。
　　其中的format可以是一个或多个 {%[*] [width] [{h | l | I64 | L}]type | ' ' | '/t' | '/n' | 非%符号}
　　注：
　　1、 * 亦可用于格式中, (即 %*d 和 %*s) 加了星号 (*) 表示跳过此数据不读入. (也就是不把此数据读入参数中)
　　2、{a|b|c}表示a,b,c中选一，[d],表示可以有d也可以没有d。
　　3、width表示读取宽度。
　　4、{h | l | I64 | L}:参数的size,通常h表示单字节size，I表示2字节 size,L表示4字节size(double例外),l64表示8字节size。
　　5、type :这就很多了，就是%s,%d之类。
　　6、特别的：%*[width] [{h | l | I64 | L}]type 表示满足该条件的被过滤掉，不会向目标参数中写入值
　　支持集合操作：
　　%[a-z] 表示匹配a到z中任意字符，贪婪性(尽可能多的匹配)
　　%[aB'] 匹配a、B、'中一员，贪婪性
　　%[^a] 匹配非a的任意字符，贪婪性
 
例子：
　　1. 常见用法。
　　char buf[512] = ;
　　sscanf("123456 ", "%s", buf);
　　printf("%s/n", buf);
　　结果为：123456
　　2. 取指定长度的字符串。如在下例中，取最大长度为4字节的字符串。
　　sscanf("123456 ", "%4s", buf);
　　printf("%s/n", buf);
　　结果为：1234
　　3. 取到指定字符为止的字符串。如在下例中，取遇到空格为止字符串。
　　sscanf("123456 abcdedf", "%[^ ]", buf);
　　printf("%s/n", buf);
　　结果为：123456
　　4. 取仅包含指定字符集的字符串。如在下例中，取仅包含1到9和小写字母的字符串。
　　sscanf("123456abcdedfBCDEF", "%[1-9a-z]", buf);
　　printf("%s/n", buf);
　　结果为：123456abcdedf
　　5. 取到指定字符集为止的字符串。如在下例中，取遇到大写字母为止的字符串。
　　sscanf("123456abcdedfBCDEF", "%[^A-Z]", buf);
　　printf("%s/n", buf);
　　结果为：123456abcdedf
　　6、给定一个字符串iios/12DDWDFF@122，获取 / 和 @ 之间的字符串，先将 "iios/"过滤掉，再将非'@'的一串内容送到buf中
　　sscanf("iios/12DDWDFF@122", "%*[^/]/%[^@]", buf);
　　printf("%s/n", buf);
　　结果为：12DDWDFF
　　7、给定一个字符串““hello, world”，仅保留world。（注意：“，”之后有一空格）
　　sscanf(“hello, world”, "%*s%s", buf);
　　printf("%s/n", buf);
　　结果为：world
　　%*s表示第一个匹配到的%s被过滤掉，即hello被过滤了
　　如果没有空格则结果为NULL。
　　sscanf的功能很类似于正则表达式, 但却没有正则表达式强大,所以如果对于比较复杂的字符串处理,建议使用正则表达式.
　　//-------------------------------------------------------
　　sscanf,表示从字符串中格式化输入
　　上面表示从str中，输入数字给x，就是32700
　　久以前，我以为c没有自己的split string函数，后来我发现了sscanf；一直以来，我以为sscanf只能以空格来界定字符串，现在我发现我错了。
　　sscanf是一个运行时函数，原形很简单：
　　int sscanf(
　　const char *buffer,
　　const char *format [,
　　argument ] ...
　　);
　　它强大的功能体现在对format的支持上。
　　我以前用它来分隔类似这样的字符串2006:03:18:
　　int a, b, c;
　　sscanf("2006:03:18", "%d:%d:%d", a, b, c);
　　以及2006:03:18 - 2006:04:18:
　　char sztime1[16] = "", sztime2[16] = "";
　　sscanf("2006:03:18 - 2006:04:18", "%s - %s", sztime1, sztime2);
　　但是后来，我需要处理2006:03:18-2006:04:18
　　仅仅是取消了‘-’两边的空格，却打破了%s对字符串的界定。
　　我需要重新设计一个函数来处理这样的情况？这并不复杂，但是，为了使所有的代码都有统一的风格，我需要改动很多地方，把已有的sscanf替换成我自己的分割函数。我以为我肯定需要这样做，并伴随着对sscanf的强烈不满而入睡；一觉醒来，发现其实不必。
　　format-type中有%[]这样的type field。如果读取的字符串，不是以空格来分隔的话，就可以使用%[]。
　　%[]类似于一个正则表达式。[a-z]表示读取a-z的所有字符，[^a-z]表示读取除a-z以外的所有字符。
　　所以那个问题也就迎刃而解了:
　　sscanf("2006:03:18 - 2006:04:18", "%[0-9,:] - %[0-9,:]", sztime1, sztime2);
　　在softmse (Jake) 的问题贴http://community.csdn.net/Expert/topic/4843/4843294.xml?temp=. 4321558中 ，周星星给出了一个很cool的sscanf用例，而后通过学习，发现sscanf真棒，现做一总结。
　　原问题：
　　iios/12DDWDFF@122
　　获取/和@之间的字符串怎么做
　　C程序里面有什么函数吗?
　　周星星的代码：
　　#include <stdio.h>
　　int main()
　　{
　　const char* s = "iios/12DDWDFF@122";
　　char buf[20];
　　sscanf( s, "%*[^/]/%[^@]", buf );
　　printf( "%s/n", buf );
　　return 0;
　　}
　　结果为:12DDWDFF
　　sscanf与scanf类似，都是用于输入的，只是后者以屏幕(stdin)为输入源，前者以固定字符串为输入源。
　　函数原型：
　　int scanf( const char *format [,argument]... );
　　其中的format可以是一个或多个 {%[*] [width] [{h | l | I64 | L}]type | ' ' | '/t' | '/n' | 非%符号}，
　　注：{a|b|c}表示a,b,c中选一，[d],表示可以有d也可以没有d。
　　width:宽度，一般可以忽略，用法如：
　　const char sourceStr[] = "hello, world";
　　char buf[10] = ;
　　sscanf(sourceStr, "%5s", buf); //%5s，只取5个字符
　　cout << buf<< endl;
　　结果为:hello
　　{h | l | I64 | L}:参数的size,通常h表示单字节size，I表示2字节 size,L表示4字节size(double例外),l64表示8字节size。
　　type :这就很多了，就是%s,%d之类。
　　特别的：
　　%*[width] [{h | l | I64 | L}]type 表示满足该条件的被过滤掉，不会向目标参数中写入值。如：
　　const char sourceStr[] = "hello, world";
　　char buf[10] = ;
　　sscanf(sourceStr, "%*s%s", buf); //%*s表示第一个匹配到的%s被过滤掉，即hello被过滤了
　　cout << buf<< endl;
　　结果为:world
　　支持集合操作：
　　%[a-z] 表示匹配a到z中任意字符，贪婪性(尽可能多的匹配)
　　%[aB'] 匹配a、B、'中一员，贪婪性
　　%[^a] 匹配非a的任意字符，贪婪性
　　是不是感觉眼熟了啊，不错，这和正则表达式很相似，而且仍然支持过滤，即可以有%*[a-z].如：
　　星星大哥例子回顾：
　　const char* s = "iios/12DDWDFF@122";
　　char buf[20];
　　sscanf( s, "%*[^/]/%[^@]", buf );
　　printf( "%s/n", buf );
　　由例子3－》取到指定字符为止的字符串。如在下例中，取遇到空格为止字符串。
　　sscanf("123456 abcdedf", "%[^ ]", buf);
　　printf("%s/n", buf);
　　结果为：123456
　　所以周星星的代码总结应该为：
　　const char* s = "iios/12DDWDFF@122";
　　char buf[20];
　　sscanf( s, "%*[^/]/%[^@]", buf );
　　printf( "%s/n", buf );
　　先将 "iios/"过滤掉，再将到字符'@'为止的一串12DDWDFF（由例3可得此串到@为止，把@122舍掉）内容即是：12DDWDFF送到buf中，得到结果。