sscanf的字符串格式化用法

     sscanf()为C语言标准库函数，用于从指定字符串中读入与指定格式相符的数据。函数原型声明在stdio.h头文件中：

int sscanf(const char *str, const char *format, ...);

     该函数根据参数format(格式化字符串)来转换参数str指向的字符串，转换后的结果存于对应的可变参数内。其返回值为按照指定格式转换符成功读入且赋值的可变参数数目(若发生匹配错误而部分成功，该数目会小于指定的参数数目，甚至为0)。若首次成功转换或错误匹配发生前输入已结束(如str为空字符串)，则返回EOF。发生读取错误时也返回EOF，且设置错误码errno(如format为空指针时返回EOF并设置errno为EINVAL)。可见，通过比较该函数的返回值与指定的可变参数数目，可判断格式转换是否成功。

     format可为一个或多个{%[*] [width] [{h | l | L}]type | ' ' | '\t' | '\n' | 非%符号}格式转换符。集合中{a|b|c}表示格式符a、b、c任选其一。以中括号括起来的格式符可选。%与type为必选，所有格式符必须以%开头。

 

     以下简要说明各格式符的含义：

     1) 赋值抑制符'*'表明按照随后的转换符指示来读取输入，但将其丢弃不予赋值(“跳过”)。抑制符无需相应的指针可变参数，该转换也不计入函数返回的成功赋值次数。

%*[width] [{h | l | L}]type 表示满足该条件的字符被过滤掉，不会向目标参数中赋值。

     2) width表示最大读取宽度。当读入字符数超过该值，或遇到不匹配的字符时，停止读取。多数转换丢弃起始的空白字符。这些被丢弃的字符及转换结果添加的空结束符('\0')均不计入最大读取宽度。

     3) {h | l | L}为类型修饰符。h指示输入的数字数值以short int或unsigned short int类型存储；hh指示输入以signed char或unsigned char类型存储。l(小写L)指示输入以long int、unsigned long int或double类型存储，若与%c或%s结合则指示输入以宽字符或宽字符串存储；ll等同L。L指示输入以long long类型存储。

     4) type 为类型转换符，如%s、%d。

     此外，还有两种特殊的格式符：

     1) []：字符集合。[]表示指定的字符集合匹配非空的字符序列；^则表示过滤。该操作不会跳过空白字符(空格、制表或换行符)，因此可用于目标字符串不以空白字符分隔时。[]内可有一到多个非^字符(含连字符'-')，且无顺序要求。%[a-z]表示匹配a到z之间的任意字符，%[aB-]匹配a、B、-中的任一字符；%[^a]则匹配非a的任意字符，即获取第一个a之前的(不为a的)所有字符。^可作用于多个条件，如^a-z=表示^a-z且^=(既非小写字母亦非等号)。空字符集%[]和%[^]会导致不可预知的结果。

     使用[]时接收输入的参数必须是有足够存储空间的char、signed char或unsigned char数组。[]也是转换符，故%[]后无s。

　  %[^]的含义和用法与正则表达式相同，故sscanf函数某种程度上提供了简单的正则表达式功能。

     2) n：至此已读入值(未必赋值)的等价字符数，该数目必须以int类型存储。如"10,22"经过"%d%*[^0-9]%n"格式转换后，%n对应的参数值为3(虽然','未参与赋值)。

     'n'并非转换符，尽管它可用'*'抑制。C标准声称，执行%n指令并不增加函数返回的赋值次数；但其勘误表中的描述与之矛盾。建议不要假设%n对返回值的影响。

 

     下表列举sscanf函数常见的格式化用法：

原字符串	格式化字符串	结果字符串
helloworld	%s	helloworld
hello, world	%s	hello,
hello, world	%4s	hell
hello, world	%*s%s	world(若原字符串无空格则得到空串)
hello, world	%[^ ]	hello,
hello, world	%[a-z]	hello
12345helloWORLD	%[1-9a-z]或%[a-z1-9]	12345hello
12345helloWORLD	%[^A-Z]	12345hello
12345helloWORLD	%[^a-f]	12345h
12345helloWORLD	%*[1-9]%[a-z]	hello
12345helloWORLD	%[a-z]	(空串，需先过滤前面不需要的字符)
12345helloWORLD=	%*[1-9]%*[a-z]%[^a-z=]	WORLD
12345/hello@world	%*[^/]/%[^@]	hello
IpAddr=10.46.44.40	%*[^=]=%s	10.46.44.40
Name    =   Yuan	%*[^=]=%*[ \t]%s	Yuan
email:wxy@zte.com.cn;	%*[^:]:%[^;]	wxy@zte.com.cn
email:wxy@zte.com.cn	%*[^:]:%s	wxy@zte.com.cn
wxy@zte.com.cn	%[^@]%*c%s	串1:wxy；串2:zte.com.cn
IpAddr=10.46.44.40	%[^=]=%s	串1:IpAddr；串2:10.46.44.40
1hello234world5	1%[^2]234%[^5]	串1:hello；串2:world
Michael/nWang	%[^/n]%*c%*c%s	串1:Michael；串2:Wang
Michael\nWang	%[^\n]%*c%s	串1:Michael；串2:Wang
13:10:29-13:11:08	%[0-9,:] - %[0-9,:]	串1:13:10:29；串2:13:11:08
10.46.44.40	%d.%d.%d.%d	串1:10；串2:46；串3: 44；串4: 40

     此外，还有如下几种用法：

    【例1】读入一行字符串

     因字符串可能含空白字符，故不能直接使用%s；而gets函数存在溢出风险，不推荐使用。此时，可使用sscanf函数，格式化字符串设为"%[^\n]%*c"。%*c用于跳过换行符\n，以便再次读入下一行。

    【例2】提取"Name = Yuan"中的"Name"

     若行首有空白字符，可用"%*[ \t]%[^= \t]"格式串；

     若不确定行首有无空白字符，可先跳过空白字符：

char szName[] = "Name    =   Yuan";
char szResBuf[32] = {0};
sscanf(szName+strspn(szName," \t"), "%[^= \t]", szResBuf);

    【例3】分解URL

     普通实现如下所示：

/*****************************************************************************
 * 函数名称：OaSplitPwFarEndIpInfo
 * 功能描述：将远端IP信息分解为目的IP地址和端口号
 * 注意事项：远端IP信息应形如'udp://192.168.100.221:5000'
*****************************************************************************/
static FUNC_STATUS OaSplitPwFarEndIpInfo(INT8U *pucFarEndIpInfo, INT32U *dwDstUdpPort, INT8U *pucDstIpAddr)
{
    FUNC_STATUS retCode = S_OK;
    INT8U  strUdpHead[] = "udp://";
    INT8U  ucUdpUrlLen = strlen(strUdpHead);
    INT8U  ucIndex = 0;

    CHECK_TRIPLE_POINTER(pucFarEndIpInfo, dwDstUdpPort, pucDstIpAddr, S_NULL_POINTER);

    if(strncasecmp(pucFarEndIpInfo, strUdpHead, ucUdpUrlLen) != 0)
    {
        OmciLog(LOG_CES,"[%s]Cannot Parse FarEndIpInfo(%s)!\n\r", __FUNCTION__, pucFarEndIpInfo);
        return S_ERROR;
    }

    INT8U ucMaxUrlLen = ucUdpUrlLen + STR_IPV4_MAX_LEN; //避免未配置端口时陷入死循环(infinite loop)
    for(ucIndex = 0; (pucFarEndIpInfo[ucUdpUrlLen] != ':') && (ucUdpUrlLen < ucMaxUrlLen); ucIndex++)
    {
        pucDstIpAddr[ucIndex] = pucFarEndIpInfo[ucUdpUrlLen++];
    }
    pucDstIpAddr[ucIndex] = '\0';

    *dwDstUdpPort = strtoul(&pucFarEndIpInfo[ucUdpUrlLen+1], NULL, 10);

    return retCode;
}

     使用sscanf格式化则更为简单：

char szUrl[] = "udp://192.168.100.221:5000";
char szProt[4] = {0}, szIp[32] = {0};
unsigned int dwPort = 0;
sscanf(szUrl, "%[^://]%*c%*c%*c%[^:]%*c%d", szProt, szIp, &dwPort);
printf("szProt=%s, szIp=%s, dwPort=%d\n", szProt, szIp, dwPort);

    【例4】提取数字

char szDig[]="10,22m,Z86,,880;555:666."; 
int dwIdx = 0, dwVal = 0, dwSize = 0;
while(1 == sscanf(szDig+dwIdx, "%d%*[^0-9]%n", &dwVal, &dwSize))
{
    dwIdx += dwSize;
    printf("dwIdx=%d, dwSize=%d, dwVal=%d\n", dwIdx, dwSize, dwVal); 
}

     上述实现稍加改造，即可用于处理某种字符分隔的数字串。

 

     综上，对于简单的字符串分析，采用sscanf函数处理比较简洁。若字符串比较复杂，则可借助相应的正则表达式库。需要注意，sscanf格式化的目的是“截取”，而正则表达式的目的是“匹配”，不能完全等同。