C - getline() / strsep() 组合导致分段错误

Question

我在运行下面的代码时遇到分段错误。

它基本上应该读取一个超过 3M 行的.csv文件，然后做其他事情(与问题无关)，但在207746迭代后，它会返回分割错误。如果我删除p = strsep(&line,"|");并只打印整个line它将打印>3M 行。

int ReadCSV (int argc, char *argv[]){
char *line = NULL, *p;
unsigned long count = 0;
FILE *data;
if (argc < 2) return 1;
if((data = fopen(argv[1], "r")) == NULL){
printf("the CSV file cannot be open");
exit(0);
}

while (getline(&line, &len, data)>0) {
p = strsep(&line,"|");  
printf("Line number: %lu t p: %sn", count, p);
count++;
}
free(line);
fclose(data);
return 0;
}

我想这与内存分配有关，但无法弄清楚如何解决它。

Answer 1

getline和strsep的组合通常会导致混淆，因为这两个函数都会更改指针，即通过指针作为初始参数传递它们。如果将已通过strsep的指针再次传递到getline，则在第二次迭代时将面临未定义行为的风险。

考虑一个例子：getline为line分配 101 个字节，并在其中读取一个 100 个字符的字符串。请注意，len现在设置为 101。你调用strsep，它在字符串的中间找到'|'，所以它指向line过去line+50的内容。现在你又打电话给getline。它看到另一个 100 个字符的行，并得出结论，可以将其复制到缓冲区中，因为len仍然是 101。但是，由于line现在指向缓冲区的中间，因此写入 100 个字符将成为未定义的行为。

在拨打strsep之前复制line：

while (getline(&line, &len, data)>0) {
char *copy = line;
p = strsep(&copy, "|");  
printf("Line number: %lu t p: %sn", count, p);
count++;
}

现在，传递给getlineline将在循环迭代之间保留。

Answer 2

查看表达式getline(&line, &len, data)并读取手册页：

如果 *line 设置为 NULL 并且 *len 在呼叫前设置为 0，则 getline() 将分配一个缓冲区来存储该行。 此缓冲区 应该由用户程序释放，即使 getline() 失败。

第一次循环时应该是这种情况(虽然我们看不到在哪里声明len，让我们假设你的真实代码正确地做到这一点)

或者，在调用 getline() 之前，*line 可以包含一个 指向 malloc(3) 分配的缓冲区 *len 字节大小的指针。 如果 缓冲区不够大，无法容纳该行，getline() 会调整其大小 使用 realloc(3)，根据需要更新 *line 和 *len。

好的，所以如果line != NULL它必须指向按大小len分配的缓冲区malloc。第一次调用getline(如上所述)分配的缓冲区满足此要求。

请注意，line指向该缓冲区的某个地方是不够的，它必须是开始。

现在查看表达式strsep(&line,"|")并阅读手册页：

。此令牌通过用 空字节 ('\0')，并且 *line 更新为指向标记

因此，第一个参数 (line) 被更改，以便您可以使用相同的第一个参数再次调用strsep，并获取下一个令牌。这意味着line不再是getline的有效参数，因为它不是malloc缓冲区的开始(而且len长度现在也是错误的)。

在实践中，要么

1. getline将尝试将len字节读取到您提供给它的缓冲区中，但由于您按第一个令牌的长度提前line，因此它会注销您分配的块的末尾。这可能只会损坏堆，而不是立即死亡
2. getline会尝试重新分配您提供给它的缓冲区，但由于它不是有效的分配块，因此您再次受到堆损坏。

当我们在这里时，您也不会检查p是否为非 NULL，但损坏line是主要问题。

哦，如果您认为问题与分配有关，请尝试使用valgrind- 它通常会发现事情首先出错的那一刻。