質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
87.20%
C

C言語は、1972年にAT&Tベル研究所の、デニス・リッチーが主体となって作成したプログラミング言語です。 B言語の後継言語として開発されたことからC言語と命名。そのため、表記法などはB言語やALGOLに近いとされています。 Cの拡張版であるC++言語とともに、現在世界中でもっとも普及されているプログラミング言語です。

XML

XMLは仕様の1つで、マークアップ言語群を構築するために使われています。

MediaWiki

MediaWikiは、Wikipediaを運営するウィキメディア財団が開発するコラボレーションツールです。複数ユーザーによるコンテンツ管理機能を備えるなど、Wikipediaと同じ操作性や編集機能を持ちます。PHPで記述されており、MySQLやPostgreSQLをデータベースに使用できます。

解決済

wikipedia dump データの処理について〜segmention fault〜が治らない

studyprg
studyprg

総合スコア41

C

C言語は、1972年にAT&Tベル研究所の、デニス・リッチーが主体となって作成したプログラミング言語です。 B言語の後継言語として開発されたことからC言語と命名。そのため、表記法などはB言語やALGOLに近いとされています。 Cの拡張版であるC++言語とともに、現在世界中でもっとも普及されているプログラミング言語です。

XML

XMLは仕様の1つで、マークアップ言語群を構築するために使われています。

MediaWiki

MediaWikiは、Wikipediaを運営するウィキメディア財団が開発するコラボレーションツールです。複数ユーザーによるコンテンツ管理機能を備えるなど、Wikipediaと同じ操作性や編集機能を持ちます。PHPで記述されており、MySQLやPostgreSQLをデータベースに使用できます。

1回答

0評価

0クリップ

251閲覧

投稿2022/06/10 05:11

編集2022/06/11 19:44

自然言語処理について勉強しています。
Wikipediaのdumpデータから本文を抜き出して処理をしようと思ってます。
xmlの処理について試しているのですが、出力結果が想定とは全然違って困っています。
欲しい出力は,,<page>~~</page>の中身です。
segmetation faultが治らず困っています。
プログラミングはあまり得意ではないです。

以下にソースコードを貼り付けます。

#include <stdio.h> #include <stdlib.h> #include <string.h> int main (){ int p=0; char pb[5]={}; char line[BUFSIZ];//vsstudioにより1024と判明 FILE *fp =NULL; FILE *fw =NULL; fp=fopen("jawiki-20211220-pages-articles-multistream2.xml" , "r");//wiki char title[BUFSIZ]; //FILE *gt=fopen("list_1.txt","r"); fw = fopen("get_text_c.txt", "w");//書き込み先 if ((NULL == fp)||(NULL== fw )){ printf("abootしました。"); abort();//終了、ここがうまくいってない? } while (p = ftell(fp), fgets(line, BUFSIZ, fp)) { if (strstr(line, "<page>")){ pb[0]=p; } else if (strstr(line, "</page>")){ pb[1] = p - pb[0]+1; fseek(fp,-pb[1],SEEK_CUR); fprintf(stderr, "start=%d size=%d BUFSIZ=%d\n", pb[0], pb[1], BUFSIZ); // printf("%d",fp); fgets(line,pb[1],fp); //fwrite(pb, sizeof(size_t), 2, fw); // ... //fprintf(fw, "%hhd \t %hhd \n", pb[0], pb[1]); //... 名残 fprintf(fw,"%s \n",line); } } fclose(fw); fclose(fp); }

次に出力ファイル(5行ほど)です。

get_text_c.txt

>chmmooepsrvwuo4n0ziki50nn5rvhj7</sha1> >chmmooepsrvwuo4n0ziki50nn5rvhj7</sha1> >chmmooepsrvwuo4n0ziki50nn5rvhj7</sha1> >chmmooepsrvwuo4n0ziki50nn5rvhj7</sha1>

良い質問の評価を上げる

以下のような質問は評価を上げましょう

  • 質問内容が明確
  • 自分も答えを知りたい
  • 質問者以外のユーザにも役立つ

評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

気になる質問をクリップする

クリップした質問は、後からいつでもマイページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

  • プログラミングに関係のない質問
  • やってほしいことだけを記載した丸投げの質問
  • 問題・課題が含まれていない質問
  • 意図的に内容が抹消された質問
  • 過去に投稿した質問と同じ内容の質問
  • 広告と受け取られるような投稿

評価を下げると、トップページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

episteme

2022/06/10 05:38

BUFSIZいくつ? xml読み込むのに十分大きい?
studyprg

2022/06/10 06:23

このプログラムを作る前にxmlファイル内の記事の始点から終点のバイトを読み込むプログラムを作成した時はしっかり動きましたので大丈夫だと思います。
episteme

2022/06/10 07:04

しっかり動いたときと同じかそれ以上のBUFSIZなんですね?
studyprg

2022/06/10 08:02

多分そうだと思います。 他の方にバッファサイズ拡張したらと指摘されているので不安です。
m-take

2022/06/10 09:02

(1) fpがNULLかどうかは、ftellやfgetsにfpを渡す前にチェックしなければなりません。 (2) pbの各要素はcharなので、pの値を代入したりpとの差を計算した値を代入するには不適です。 (3) ftell関数の説明に、戻り値の差が文字数と一致するとは限らない、といった注意が書かれているはずです。
studyprg

2022/06/10 09:52

ありがとうございます ちょっと動かして確認してみます
studyprg

2022/06/11 06:35

bufsizは1024でした。 色々修正しました。

まだ回答がついていません

会員登録して回答してみよう

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
87.20%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問

同じタグがついた質問を見る

C

C言語は、1972年にAT&Tベル研究所の、デニス・リッチーが主体となって作成したプログラミング言語です。 B言語の後継言語として開発されたことからC言語と命名。そのため、表記法などはB言語やALGOLに近いとされています。 Cの拡張版であるC++言語とともに、現在世界中でもっとも普及されているプログラミング言語です。

XML

XMLは仕様の1つで、マークアップ言語群を構築するために使われています。

MediaWiki

MediaWikiは、Wikipediaを運営するウィキメディア財団が開発するコラボレーションツールです。複数ユーザーによるコンテンツ管理機能を備えるなど、Wikipediaと同じ操作性や編集機能を持ちます。PHPで記述されており、MySQLやPostgreSQLをデータベースに使用できます。