我想用 C 语言开发一个应用程序，我需要从磁盘上的文件中逐字检查。有人告诉我，从文件中读取一行然后将其拆分为单词更有效，因为需要的文件访问更少。是真的吗？
如果您知道您将需要整个文件，您不妨尽可能大地读取它（在最末端，您将一次性将整个文件内存映射到内存中）。您是对的，这是因为需要的文件访问更少。
但是，如果您的程序不慢，那么请以使其最快，最无错误的方式编写它。早期优化是一种严重的罪过。
不是真的，假设你要使用scanf()并且你对"单词"的定义与scanf()视为单词的定义相匹配。
标准 I/O 库将缓冲实际的磁盘读取，读取一行或一个字在磁盘访问方面的 I/O 成本基本相同。 如果你使用 fread() 读取文件的大块，你可能会得到一些好处——但代价是复杂性。
但是对于阅读单词，scanf()和保护性字符串格式说明符（例如%99s数组是否char word[100];）可能会正常工作，并且可能更容易编码。
如果你对单词的定义比scanf()支持的定义更复杂，那么阅读行和拆分可能更容易。
就拆分而言，在性能方面没有区别。您在一种情况下使用空格进行拆分，在另一种情况下使用换行符进行拆分。
但是，在单词的情况下，它会以您需要分配缓冲区 M 次的方式产生影响，而在行的情况下，它将是 N 次，其中 M>N。因此，如果您采用单词拆分方法，请尝试首先计算总内存需求，分配那么多块（这样您就不会最终得到碎片化的 M 块），然后从该块中获取 M 缓冲区。请注意，相同的方法可以应用于拆分的行，但差异将不太明显。
这是正确的，您应该将它们读入缓冲区，然后拆分为您定义为"单词"的任何内容。唯一不正确的情况是，如果你能让fscanf()正确地抓住你认为是单词的东西（可疑）。
主要的性能瓶颈可能是：
- 对 stdio 文件 I/O 函数的任何调用。呼叫越少，开销越少。
- 动态内存分配。应尽可能少地进行。最终，对 malloc 的大量调用将导致堆分段。
因此，它归结为一个经典的编程考虑因素：您可以获得快速执行时间，也可以获得低内存使用率。你不能两者兼而有之，但你可以找到一些合适的中间地带，在执行时间和内存消耗方面都最有效。
在一个极端情况下，通过将整个文件作为一个大块读取并将其上传到动态内存，可以获得最快的执行速度。或者到另一个极端，您可以逐字节读取它并在阅读时对其进行评估，这可能会使程序变慢，但根本不会使用动态内存。
您需要了解各种特定于 CPU 和特定于操作系统的功能的基础知识，以最有效地优化代码。对齐、缓存内存布局、底层 API 函数调用的有效性等问题都很重要。
为什么不尝试几种不同的方法并对其进行基准测试呢？
实际上并没有回答你的确切问题（单词与行），但是如果你无论如何都需要同时内存中的所有单词，那么最有效的方法是：
- 确定文件大小
- 为整个文件分配缓冲区加一个字节
- 将整个文件读入缓冲区，并将
' '放入额外的字节。 - 绕过它并数一数它有多少个单词
- 分配
char*（指向单词的指针）或int（索引到缓冲区）索引数组，其大小与字数匹配 - 第二次传递缓冲区，并将地址或索引存储到索引数组的单词的第一个字母，并用
' '（字符串标记的末尾）覆盖缓冲区中的其他字节。
如果您有足够的内存，那么假设单词数的最坏情况可能会稍微快一些：(filesize+1) / 2（一个字母的单词，中间有一个空格，文件中的字节数为奇数）。此外，将Java ArrayList或Qt QVector方法与索引数组一起使用，并在字数超过当前容量时使用realloc()将其大小加倍，这将非常有效（由于加倍=指数增长，重新分配不会发生很多次）。