使用标准C库将文件读取到内存-Windows过早识别EOF，但可以在Mac、Linux上运行 [英] Reading a file to memory using standard C library - Windows prematurely identifies EOF but works on Mac,Linux

问题描述

这感觉像是最愚蠢的问题，但希望有人能帮上忙。很抱歉这篇帖子太长了，但我想提供足够的细节，这样人们就不会建议我已经尝试过的东西。

我已经隔离了我编写的一个C程序的问题，该程序应该在Mac、Linux和Windows上提供。该程序无法在Windows上运行，但在Mac和Linux上正常运行，并且在最近的更改之前曾在Windows上运行。

失败的直接原因与将文件读入内存挡路有关-所以我将该代码隔离到一个独立的程序中，并使用一些样本数据对其进行了测试，这些数据在windows上可靠地失败了，在mac和linux上可以正常工作。

需要注意的是，我在Windows上使用的是Visual Studio 2019(版本16.5.5)。我正在64位戴尔笔记本电脑上使用Windows 10企业版对其进行测试。在linux上，我使用的是GCC(我正在用Ubuntu20.04测试它)。在Mac上，我使用clang编译了它。该程序应该是可移植的(至少在这三个平台之间)。

加载文件的基本策略是使用fopen()将其打开，然后使用fSeek()将文件标记移动到文件的末尾来测量文件，使用ftell()获得文件中的位置，然后使用fSeek()返回到开头，然后使用ftell()获得文件开头的位置(实际上通常是零，但不能保证)，然后从结束位置减去起始位置以确定文件大小。这段"测量文件"代码在实践中似乎可以在我关心的三个平台上可靠地测量文件。

然后，我调用malloc()来分配足以容纳文件的挡路内存。这一直都很好用。我使用的文件大小约为200K，它们是二进制文件-但出于隔离目的，我能够使用271字节的文件可靠地使其失败。原始代码只使用了从0到文件大小的for循环，并重复调用getc(Fileptr)，然后将每个字节分配到内存缓冲区。然后它关闭了文件。这段代码在Mac和Linux上运行良好，但不能在Windows上运行。我观察到的是，我将获得文件的第一部分-在某些情况下是大部分文件-然后我将开始从getc(Fileptr)调用中读回"ff"，这将填满内存的睡觉-显然是错误的。

所以我研究了getc()和fgetc()之间的区别，显然getc()有时可以是一个多次求值的宏。这看起来不像是明显的罪魁祸首，但无论如何我都改成了fgetc()，它没有改变任何事情。我还将malloc()调用更改为calloc()，以便可以从全零开始，并且更容易看到正在使用调试器读取的文件(即查看内存缓冲区并看到它正在被写入)。

我使用祸不单行编辑器创建了一个文件，其中包含以下数据，以便我可以使用它进行更系统的测试。该文件包含271个字节。前256个字节是所有可能的字节值：0001 0203.fc fd feff.最后16个字节是00 01 02 03 04 05 06 07 08 09 0A 0b 0C 0d 0E 0f。这样，我就可以知道问题是否由尝试读取某个特定的字节值引起，并且我可以让它继续超过所有可能的字节值，并在相同的模式中再做16个字节，这样就可以很容易地看到最后一个字节是否为0f。

我做的下一件事是使用预处理器#if 0/#if 1在使用fgetc()的文件读取版本和使用Fread()的版本之间切换。这就是我获得关于可能发生的事情的第一条有趣线索的地方。

在Mac/Linux上，该程序的两个版本都能正确打印我期望的值。不过，在Windows上，fread()版本读取前26个字节，之后的所有字节都是00(因为calloc将整个挡路的值设置为00，而fread()只设置前26个字节)。文件读取的getc()版本正确读取前26个字节，然后所有后续字节都为ff。

前26个字节为：0x00 0x01 0x02 0x03 0x04 0x05 0x06 0x07 0x08 0x09 0x0a 0x0b 0x0c 0x0d 0x0e 0x0f 0x10 0x11 0x12 0x13 0x14 0x15 0x16 0x17 0x18 0x19。

Mac上该程序的完整(正确)输出为：

szFile：271 读取271字节 load_ggx_file：0 0x00 0x01 0x02 0x03 0x04 0x05 0x06 0x07 0x08 0x09 0x0a 0x0b 0x0c 0x0d 0x0e 0x0f 0x10 0x11 0x12 0x13 0x14 0x15 0x16 0x17 0x18 0x19 0x1a 0x1b 0x1c 0x1d 0x1e 0x1f 0x20 0x21 0x22 0x23 0x24 0x25 0x26 0x27 0x28 0x29 0x2a 0x2b 0x2c 0x2d 0x2e 0x2f 0x30 0x31 0x32 0x33 0x34 0x35 0x36 0x37 0x38 0x39 0x3a 0x3b 0x3c 0x3d 0x3e 0x3f 0x40 0x41 0x42 0x43 0x44 0x45 0x46 0x47 0x48 0x49 0x4a 0x4b 0x4c 0x4d 0x4e 0x4f 0x50 0x51 0x52 0x53 0x54 0x55 0x56 0x57 0x58 0x59 0x5a 0x5b 0x5c 0x5d 0x5e 0x5f 0x60 0x61 0x62 0x63 0x64 0x65 0x66 0x67 0x68 0x69 0x6a 0x6b 0x6c 0x6d 0x6f 0x70 0x71 0x72 0x73 0x74 0x75 0x76 0x77 0x78 0x79 0x7a 0x7b 0x7c 0x7d 0x7e 0x7f 0x80 0x81 0x82 0x83 0x84 0x85 0x86 0x87 0x88 0x89 0x8a 0x8b 0x8c 0x8d 0x8e 0x8f 0x90 0x91 0x92 0x93 0x94 0x95 0x96 0x97 0x98 0x99 0x9a 0x9b 0x9c 0x9d 0x9e 0x9f 0xa0 0xa1 0xa2 0xa3 0xa4 0xa5 0xa6 0xa7 0xa8 0xa9 0xaa 0xab 0xac 0xad 0xae 0xaf 0xb0 0xb1 0xb2 0xb3 0xb4 0xb5 0xb6 0xb7 0xb8 0xb9 0xba 0xbb 0xbc 0xbd 0xbe 0xbf 0xc0 0xc1 0xc2 0xc3 0xc4 0xc5 0xc6 0xc7 0xc8 0xc9 0xca 0xcb 0xcc 0xcd 0xce 0xcf 0xd0 0xd1 0xd2 0xd3 0xd4 0xd5 0xd6 0xd7 0xd8 0xd9 0xda 0xdb 0xdc 0xdd 0xde 0xdf 0xe0 0xe1 0xe2 0xe3 0xe4 0xe5 0xe6 0xe7 0xe8 0xe9 0xea 0xeb 0xec 0xxee 0xef 0xf0 0xf1 0xf2 0xf3 0xf4 0xf5 0xf6 0xf7 0xf8 0xf9 0xfa 0xfb 0xfc 0xfd 0xfe0xff 0x00 0x01 0x02 0x03 0x04 0x05 0x06 0x07 0x08 0x09 0x0a 0x0b 0x0c 0x0d 0x0e 0x0f

在使用其打印的Fread()版本的窗口上：

szFile：271 错误：0 FEOFF：1 读取26个字节 load_ggx_file：0 0x00 0x01 0x02 0x03 0x04 0x05 0x06 0x07 0x08 0x09 0x0a 0x0b 0x0c 0x0d 0x0e 0x0f 0x10 0x11 0x12 0x13 0x14 0x15 0x16 0x17 0x18 0x19 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00

在Windows上，当Fread返回的值低于您要求的值时(即，在我的示例中是第三个参数)，您应该检查Ferror()和feof()。我发现Ferror()返回0，feof()返回1，所以问题似乎是Windows认为它已经到达了文件的末尾。问题是，它为什么会这么认为，考虑到我的限制，使用什么是合理的替代方案？(即，我只想使用标准库编写可移植的C代码，而不是一堆特定于平台的代码)。

我确实检查过问题是否仅仅是由于0x20字符引起的。我尝试使用祸不单行编辑器在测试文件中的0x01后面插入0x20，结果是它读取并打印了刚刚文件中该字符的表示形式，但仍然在0x19字符之后停止。似乎没有任何特定的字符总是导致它窒息。

以下是完整的测试程序：

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

typedef struct {
    long long szFile;
    unsigned char* ggx_file;
} ggx_t;

int load_ggx_file(const char* ggx_file_path, ggx_t* outGGX)
{
    int rc;
    FILE* ggx_file;
    unsigned char c;
    long long szFile;
    long fend_offset;
    long fstart_offset;

    ggx_file = fopen(ggx_file_path, "r");
    if (!ggx_file || NULL == outGGX) {
        return -1;
    }
    rc = fseek(ggx_file, 0, SEEK_END);
    assert(0 == rc);
    fend_offset = ftell(ggx_file);

    rc = fseek(ggx_file, 0, SEEK_SET);
    assert(0 == rc);

    fstart_offset = ftell(ggx_file);
    szFile = fend_offset - fstart_offset;

    printf("szFile: %lld
", szFile);

    outGGX->szFile = szFile;
    outGGX->ggx_file = (unsigned char*)calloc(szFile, 1);

    int i = 0;
#if 0
    for (; i < szFile; ++i) {
        c = fgetc(ggx_file);
        outGGX->ggx_file[i] = c;
    }
#else
    i = fread(outGGX->ggx_file, 1, szFile, ggx_file);
    if (i < szFile) {
        int rc2;
        rc2 = ferror(ggx_file);
        printf("ferror: %d
", rc2);
        rc2 = feof(ggx_file);
        printf("feof: %d
", rc2);
    }
#endif

    printf("Read %d bytes
", i);

    fclose(ggx_file);

    return 0;
}

int main(int argc, const char* argv[]) {

    const char * ggx_file_path = argv[argc - 1];

    ggx_t ggx_file;
    int rc = load_ggx_file(ggx_file_path, &ggx_file);

    printf("load_ggx_file: %d
", rc);

    for (int i = 0; i < ggx_file.szFile; ++i) {
        printf("0x%02x ", ggx_file.ggx_file[i]);
        if (0 == ((i+1) % 20)) {
            printf("
");
        }
    }
    printf("
");
    return 0;
}

推荐答案

您要以二进制模式(相对于文本模式)打开文件。
在un*x下也是一样，在Windows下可以防止库将磁盘中的某些数据替换为内存中的不同数据，例如" "变成" "；"x1B"信号EOF，.

fopen(..., "rb") // same as "r" in Un*x

这篇关于使用标准C库将文件读取到内存-Windows过早识别EOF，但可以在Mac、Linux上运行的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！