文件中随机读取行问题

1. 有一个文件，如何在不知道有多少行的情况下读取该文件，从中随机选择并输出一行

当我们读取第 i (i  > 0) 行时，以 1 / i 的概率选择第 i 行，并替换掉原来选的行。
即总选择第一行，并以概率 1 / 2 选择第 2 行，以概率 1 / 3 选择第3 行，依次类推。
到文件结束时，每个行被选中的概率都相等。

#include <stdio.h>#include <stdlib.h>#include <string.h>#include <time.h>#define MAX_LINE_LEN 4096int main(){srand(time(NULL));const char *filename = "input.txt";FILE * file = fopen(filename, "r");char line_buffer[MAX_LINE_LEN];char selection[MAX_LINE_LEN];int i = 1;while(fgets(line_buffer, MAX_LINE_LEN, file)){if(rand()%i == 0)strcpy(selection, line_buffer);++i;}puts(selection);fclose(file);return 0;}

简单推一下。
到 1 行时，没问题，跳过。
到第 2 行时，第 2 行被选中的概率是1 / 2，那第 1 行被选中的概率也是 1 / 2 。
到第 3 行时，第 3 行被选中的概率是 1 / 3，第 1 行和第 2 行被选中的概率是 (1 / 2) * (2 / 3)，依次递推。
到第 i 行时，第 1 ~ i 行每行被选中的概率都是 1 / i ，到文件最后一行也是这样。

2. 有一个文件，如何在不知道有多少行的情况下读取该文件，从中随机选择并输出k行（假设保证k小于文件总行数）

先读入第 1 ~ k 行保存，以后每次读入第 i 行，都以 k / i 的概率把刚读入的一行随机替换之前保存的 k 行中的一行。

#include <stdio.h>#include <stdlib.h>#include <string.h>#include <time.h>#define MAX_LINE_LEN 4096int main(){int k = 5;srand(time(NULL));char line_buffer[MAX_LINE_LEN];char **selections = (char **)malloc(k*sizeof(char*));for(int i = 0; i < k; ++i)selections[i] = (char *)malloc(MAX_LINE_LEN*sizeof(char));const char *filename = "input.txt";FILE * file = fopen(filename, "r");// 先读取 1 ~ k 行for(int i = 0; i < k; ++i)fgets(selections[i], MAX_LINE_LEN, file);int i = k+1;while(fgets(line_buffer, MAX_LINE_LEN, file)){if(rand()%i < k) {// 随机替换已有的某一行int j = rand()%k;strcpy(selections[j], line_buffer);}++i;}for(int i = 0; i < k; ++i)puts(selections[i]);fclose(file);for(int i = 0; i < k; ++i)free(selections[i]);free(selections);return 0;}

简单推一下。
设 1 ~ i  ( i  >=  k ) 行每行被选中的概率都为 k / i ，当我们读取第i + 1 行时，以 k / (i+1) 的概率保留该行，并随机替换已保存的某一行（已保存的每行被替换掉的概率是1 / k ）。这样，第 i + 1 行被选取的概率是 k / (i + 1)，其他行被选取的概率为
(k / i ) * (1 - k / ( i + 1 ) )  + ( k / i) * (k / ( i + 1 )) *  ( 1 - 1 / k )，
前面的是第 i + 1 行不被保留时的情况，后面的是第 i+1 行保留并把该行替换掉的情况，最终结果也是 k / ( i + 1 )，所以到第i + 1 行为止，每行被选取的概率仍然都相同。到文件结尾同样满足。