O que é um item de entrada no scanf?

Um problema-chave com o qual este texto está lidando é que às vezes se uma sequência de caracteres corresponde ao padrão para uma conversão depende de caracteres ainda não lidos. Por exemplo, o texto de entrada “0x3” corresponde ao padrão para %x, mas o texto de entrada “0xy” não. No ponto em que lemos “0x”, “0x” por si só não corresponde ao padrão, e não sabemos se o próximo caractere formará uma sequência correspondente. Precisamos ler o próximo caractere para descobrir.

Então a regra para quando scanfcontinua lendo caracteres não pode ser "Enquanto os caracteres corresponderem ao padrão de objetivo, continue lendo". Se essa fosse a regra, leríamos "0", veríamos que corresponde a uma possível entrada válida para %x, então leríamos "x", veríamos que "0x" não é uma entrada válida para %x, e pararíamos. Isso não funcionará, porque falha em ler "0x3", que é uma entrada válida para %x.

A regra deve ser que scanfcontinua lendo enquanto a entrada puder ser uma sequência correspondente se os caracteres vindouros completarem uma correspondência. Uma maneira de dizer isso tecnicamente é que os caracteres lidos até agora são uma subsequência inicial de uma sequência correspondente.

Suponha que no formato eu tenha %d e no stdin 4.5 . O que é subsequência inicial e o que é sequência correspondente? E o que é item de entrada?

Uma sequência correspondente para %dé opcionalmente um “-”, então um ou mais dígitos decimais. Considere as sequências correspondentes “123” e “-123”. Subsequências iniciais de “123” são a string vazia, “1”, “12” e “123”. Subsequências iniciais de “-123” são a string vazia, “-”, “-1”, “-12” e “-123”. Então uma subsequência inicial de uma sequência correspondente para %dé opcionalmente um “-”, então zero ou mais dígitos decimais. Note que “-” é uma subsequência inicial, mas não uma sequência correspondente.

É mais interessante considerar %e, onde “3.4e-5” é uma sequência correspondente, mas “3.4” ou “3.4ex” não é. Agora scanftem que ler dois caracteres onde não se sabe se haverá uma correspondência. Quando scanfleu “3.4”, essa é uma sequência correspondente, mas tem que continuar enquanto os caracteres formarem uma subsequência inicial. Em seguida, temos “3.4e”, que não é mais uma sequência correspondente, mas ainda é uma subsequência inicial. Então “3.4e-” também é uma subsequência inicial. Com “3.4e-5”, mais uma vez temos uma sequência correspondente, bem como uma subsequência inicial. scanfdeve continuar lendo. Se o próximo caractere for um espaço, “3.4e-5 ” não é uma subsequência inicial, então o espaço é rejeitado (e é “colocado de volta” no fluxo de entrada como se nunca tivesse sido lido), e “3.4e-5” é o item de entrada. Este item de entrada é uma sequência correspondente, então é convertido em um float.

Agora considere ler “3.4ex”. Como acima, em “3.4e”, scanfdeve continuar lendo. Ele obtém o “x” e vê que “3.4ex” não é uma subsequência inicial. Ele rejeita o “x” e o coloca de volta no fluxo de entrada. Agora ele terminou de ler, e “3.4e” é o item de entrada. Esta não é uma sequência correspondente, então é uma falha de correspondência. scanfnão realiza uma conversão para isto, e ele retorna.

Note que com “3.4ex”, se pudéssemos colocar de volta dois caracteres em vez de apenas um, poderíamos reverter para “3.4”, corresponder a isso para %e, e convertê-lo para float. No entanto, o padrão C não requer que os fluxos de E/S suportem mais de um caractere de put-back, e scanfé especificado para trabalhar com apenas um caractere de put-back. É por isso que scanfé especificado para ler até que uma correspondência seja impossível, então colocar de volta o caractere não correspondente, então ver se o que ele leu é uma correspondência. Se tivéssemos mais níveis de put-back, scanfpoderíamos ler até que uma correspondência seja impossível, então colocar de volta todos os caracteres necessários para reduzir a entrada para uma sequência correspondente, e então converter isso.

(Observe que, conforme discutido nos comentários, algumas scanfimplementações não estão em conformidade com esta especificação do padrão C e podem retornar vários caracteres.)

Quais são os melhores sites para ler documentação sobre funções C?

Não há um único site que seja o melhor lugar, nem um pequeno conjunto de sites. O padrão C é o lugar mais confiável para ler sobre funções na biblioteca padrão C, mas entendê-las é informado pela teoria da ciência da computação e pela história do desenvolvimento da linguagem C. Com esta edição em scanf, a teoria sobre análise sintática, linguagens formais e máquinas de estados finitos é informativa sobre como um computador tem que ler caracteres para interpretá-los. Essas são partes do estudo de uma educação em ciência da computação, não algo que você obtém facilmente em sites com foco restrito.

É um pouco confuso.

Essencialmente, scanf lê bytes para um especificador de conversão até que o próximo byte não possa ser parte do que ele deveria ler para aquele especificador de conversão. Então ele olha o que foi lido, e esse é o item de entrada para aquele especificador de conversão. (Por baixo dos panos, ele provavelmente "deslê" o próximo byte com ungetc.)

"Sequência de correspondência" significa qualquer sequência de caracteres que corresponderia à especificação de conversão. Não é restrito a sequências de caracteres que realmente aparecem na entrada. Por exemplo, 0e 0xffsão ambas sequências de correspondência para a especificação de conversão %x.

Uma "subsequência inicial de uma sequência correspondente" significa qualquer sequência de caracteres que pode ser o início de uma sequência correspondente. Por exemplo, 0, 0x, e 0xffsão todas subsequências iniciais da sequência correspondente 0xffpara a especificação de conversão %x. Elas também são subsequências iniciais de muitas outras sequências correspondentes, como 0xff00ou 0xff1.

Um item de entrada é a sequência mais longa de caracteres de entrada que é uma subsequência inicial de uma sequência correspondente. Por exemplo, se a entrada for 0xgoosee scanf estiver processando um especificador de conversão de %x, então o item de entrada é 0x. Não é 0, embora 0seja uma sequência correspondente, e não é nada mais longo que 0x, porque nada mais longo poderia ser o início de uma sequência correspondente.

sequência de correspondência

é qualquer sequência de caracteres que seja uma representação válida para o especificador de conversão usado. Não se refere à entrada real. Refere-se a toda e qualquer sequência válida (também conhecida como correspondente).

Exemplos %dde sequências correspondentes são 123456, 987654e muitos, muitos outros.

subsequência inicial

é uma parte (ou toda) de outra sequência começando do caractere mais à esquerda, ou seja, o caractere inicial.

Por exemplo, para a sequência 1234, as subsequências iniciais são 1, 12, 123e1234

item de entrada

é a maior subsequência inicial de uma sequência correspondente. Em outras palavras, os caracteres que serão convertidos e então armazenados na variável fornecida.

Por exemplo, para o 1234Zespecificador de sequência e conversão, %da maior subsequência inicial de uma sequência correspondente é 1234.

Um conjunto de testes para ajudar a avaliar as respostas em comparação com o código real.

#include <assert.h>
#include <stdio.h>

int main() {
  const char *fname = "c:/tmp/junk1.txt";
  const char *s = "3.4ex";
  float x = 42.0f;  // Some value
  FILE *f = fopen(fname, "w");
  assert(f);
  fprintf(f, "%s", s);
  fclose(f);

  f = freopen(fname, "r", stdin);
  assert(f);
  int cnt = scanf("%f", &x);
  printf("Test:\"%s\", Conversion count:%d, value:%f", s, cnt, x);
  fflush(stdout);
  int ch = fgetc(f);
  printf(", Next character:%d %c\n", ch, ch);
  return 0;
}

Exemplo de saída: (Observe que esta saída certamente não está em conformidade com a especificação C.)

Test:"3.4ex", Conversion count:1, value:3.400000, Next character:101 e