C:低级字符格式:(输入+换行)使用 fgetc

Question

我正在做一个关于 C 的项目，该项目读取文本文件并将其转换为布尔数组。首先，我将文件读取为大小为 n 的字符串（是一个无符号的 char 数组），然后我使用一个函数将该字符串转换为大小为 n * 8 的布尔数组。该功能完美运行，毫无疑问。

我使用以下代码从文件中获取字符串：

unsigned char *Data_in; // define pointer to string
int i;
FILE* sp = fopen("file.txt", "r"); //open file
fseek(sp, 0, SEEK_END);            // points sp to the end of file
int data_dim = ftell(sp);          // Returns the position of the pointer (amount of bytes from beginning to end)
rewind(sp);                        // points sp to the beginning of file
Data_in = (unsigned char *) malloc ( data_dim * sizeof(unsigned char) ); //allocate memory for string
unsigned char carac; //define auxiliary variable 
for(i=0; feof(sp) == 0; i++)       // while end of file is not reached (0)
{
   carac = fgetc(sp);              //read character from file to char
   Data_in[i] = carac;             // put char in its corresponding position
}
//
fclose(sp);                        //close file

问题是有一个由Windows XP中的记事本制作的文本文件。里面有这个 4 个字符的字符串":nnC"（冒号、回车键、回车键、大写 C）。

这是HxD（十六进制编辑器）的样子：3A 0D 0A 0D 0A 43 .

下表更清楚地说明了：

character             hex      decimal    binary
 :                    3A       58         0011 1010
 n (enter+newline)   0D 0A    13 10      0000 1101 0000 1010    
 n (enter+newline)   0D 0A    13 10      0000 1101 0000 1010
 C                    43       67         0100 0011

现在，我

执行程序，该程序以二进制形式打印该部分，因此我得到：

character      hex      decimal      binary
 :             3A         58         0011 1010
 (newline)     0A         10         0000 1010    
 (newline)     0A         10         0000 1010
 C             43         67         0100 0011

好了，现在显示了这一点，我问以下问题：

• 读数正确吗？
• 如果是这样，为什么它会去掉 0D？
• 这是怎么回事？

Answer 1

将fopen设置为二进制文件：

fopen("file.txt", "rb");
                    ^

否则，您的标准库只会吃掉r（0x0D）。

---

作为旁注，以二进制模式打开文件还可以缓解另一个问题，即文件中间的某个序列看起来像DOS上的EOF。

Answer 2

这是因为

您将文件视为 ASCII 文件。如果将其视为二进制文件，您将能够看到这两个字符。为此，请在打开文件时使用"rb"作为模式。也使用阅读文件内容。

Answer 3

除了"rb"问题之外，还有一个错误：您将在末尾读取一个额外的字符，因为读取最后一个字符后feof(sp)保持 0。只有在您尝试读取过去的 EOF 后，它才设置为 1。这是一个常见的初学者错误。迭代输入字符的惯用 C 代码是

int c;   /* int, not char due to EOF. */
while ((c = fgetc(sp)) != EOF) {
   /* Work with c. */
}

Answer 4

其他答案讨论了二进制与文本模式输入。

您的代码实际上有一个单独的问题。 这个成语是给帕斯卡的，而不是C：

for (i = 0; feof(sp) == 0; i++)
{
   carac = fgetc(sp);
   Data_in[i] = carac;
}

麻烦的是，当fgetc()获得EOF时，您将其视为一个字符（可能将其映射到ÿ，y-变音，U + 00FF，拉丁小写字母Y与diaeresis）。 feof()测试放错了地方;它不会在尝试读取下一个字符之前检测到 EOF。 此外，函数fgetc()及其getc()和getchar()都返回一个int，而不是一个char。 你必须学会使用标准的C习语：

int c;
for (i = 0; (c = fgetc(sp)) != EOF; i++)
   Data_in[i] = c;

成语是作业和测试的结合。 围绕它的计数不太标准;事实上，这可能相当罕见。 但这并没有错;它适用于您的程序。

在大多数 C 代码中不需要使用 feof();几乎任何时候你使用它，它都是一个错误。 并非总是如此;它的存在是有目的的。 但这样做的目的是区分 EOF 和函数（如 fgetc() 返回 EOF）后的错误，而不是在读取函数说它已达到 EOF 之前测试您是否已经达到 EOF。 （在我所有的数百个程序中，我认为对feof()的引用很少：2884个源文件，18个对feof()的引用，以及大多数最初由其他人编写的代码。