可以通过 fseek() 读取整个文件到 SEEK_END 并通过 ftell() 获取文件大小吗？

Question

这段代码引入了未定义的行为，我说得对吗？

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

FILE *f = fopen("textfile.txt", "rb");
fseek(f, 0, SEEK_END);
long fsize = ftell(f);
fseek(f, 0, SEEK_SET);  //same as rewind(f);

char *string = malloc(fsize + 1);
fread(string, fsize, 1, f);
fclose(f);

string[fsize] = 0;

我问的原因是，此代码被发布为以下问题的公认答案：C Programming: How to read the whole file contents into a buffer

但是，根据以下文章：How to read an entire file into memory in C++（尽管它的标题，它也涉及 C，所以坚持我）：

假设您正在编写 C，并且您有一个 FILE*（您知道点 到文件流，或者至少是一个可搜索的流），并且您想要 确定在缓冲区中分配多少个字符来存储 流的全部内容。你的第一直觉可能是 写这样的代码：

// Bad code; undefined behaviour
fseek(p_file, 0, SEEK_END);
long file_size = ftell(p_file);

似乎合法。但随后你开始变得奇怪。有时 报告的大小大于磁盘上的实际文件大小。有时 它与实际文件大小相同，但字符数 你读的不一样。到底是怎么回事？

有两个答案，因为这取决于文件是否已经 以文本模式或二进制模式打开。

以防万一您不知道区别：在默认模式下 - 文本 模式——在某些平台上，某些字符会被翻译 阅读过程中的各种方式。最著名的是在Windows上， 写入文件时，换行符被转换为\r\n，并且 读时反译。换句话说，如果文件 包含Hello\r\nWorld，会读作Hello\nWorld；文件 大小为 12 个字符，字符串大小为 11。鲜为人知的是 0x1A（或Ctrl-Z）被解释为文件的结尾，所以如果文件 包含Hello\x1AWorld，它将被读取为Hello。此外，如果 内存中的字符串是Hello\x1AWorld，你把它写到一个文件中 文本模式，文件将为Hello。在二进制模式下，没有 翻译完成——文件中的任何内容都会读入您的 程序，反之亦然。

你马上就可以猜到文本模式会让人头疼—— 至少在 Windows 上。更一般地说，根据 C 标准：

ftell 函数获取流指向的流的文件位置指示符的当前值。对于二进制流， 该值是从文件开头开始的字符数。 对于文本流，其文件位置指示符包含未指定 信息，可由 fseek 函数用于返回文件 流的位置指示器到它在时间的位置 ftell 通话；两个这样的返回值之间的差异不是 一定是对所写字符数的有意义的度量 或阅读。

换句话说，当您处理以文本模式打开的文件时， ftell() 返回的值是无用的……除了对 fseek() 的调用。 特别是，它不一定告诉你有多少个字符 在流中直到当前点。

所以你不能用ftell()的返回值来告诉你 文件，文件中的字符数，或任何东西 （除了以后打电话给fseek()）。所以你无法获得文件大小 那样。

好的，文本模式下地狱。什么说我们只在二进制模式下工作？ 正如 C 标准所说：“对于二进制流，值是数字 文件开头的字符数。”这听起来很有希望。

确实如此。如果您在文件的末尾，并且您调用 ftell()，你会发现文件中的字节数。嘘！ 成功！我们现在需要做的就是到达文件的末尾。并 这样做，你需要做的就是fseek() 和SEEK_END，对吧？

错了。

再一次，来自 C 标准：

将文件位置指示器设置为文件结尾，与 fseek(file, 0, SEEK_END) 一样，对于二进制流具有未定义的行为 （因为可能的尾随空字符）或任何流 状态相关的编码，并不一定会在初始状态结束 转换状态。

要了解为什么会这样：一些平台将文件存储为 固定大小的记录。如果文件短于记录大小，则 块的其余部分被填充。当你寻求“终点”时， 为了效率，它只会让你跳到最后 块......可能在数据实际结束之后很久，在一堆之后 填充。

所以，这是 C 中的情况：

• 在文本模式下，您无法获取 ftell() 的字符数。
• ftell() 可以在二进制模式下获取字符数……但您不能使用fseek(p_file, 0, SEEK_END) 查找文件末尾。

我没有足够的知识来判断谁在这里，如果前面接受的答案确实与本文冲突，所以我问这个问题。

Answer 1

文章作者恶意省略的是引用的上下文。

来自 C11 草案标准 n1570，NON-NORMATIVE FOOTNOTE 268：

将文件位置指示器设置为文件结尾，与 fseek(file, 0, SEEK_END)，对于二进制流具有未定义的行为 （因为可能的尾随空字符）或任何流 状态相关的编码，并不一定会在初始状态结束 转换状态。

标准中引用脚注的规范部分是这个7.21.3 文件：

9 虽然文本和二进制宽向流在概念上都是 宽字符序列，与一个关联的外部文件 面向宽的流是一个多字节字符序列， 概括如下：

——文件中的多字节编码可能包含 嵌入的空字节（与内部使用有效的多字节编码不同 到程序）。

——文件不需要以初始移位状态开始或结束。第268章）

请注意，这涉及面向宽的流。

现在，在 7.21.9.2 中的 fseek 函数

3 对于二进制流，新位置，以字符为单位 文件的开头，通过将偏移量添加到 由 wherece 指定的位置。指定位置为开始 如果 wherece 是 SEEK_SET，则文件的当前值 如果是 SEEK_CUR，则为位置指示符，如果是 SEEK_END，则为文件结尾。二进制 流不需要有意义地支持带有 wherece 值的 fseek 调用 SEEK_END。

语言是一个相当不那么可怕的最后一句话：

“二进制流不需要有意义地支持 wherece 值为 SEEK_END 的 fseek 调用。”