在不知道行长的情况下从文件中读取行答案

【问题标题】：Read line from file without knowing the line length在不知道行长的情况下从文件中读取行
【发布时间】：2010-03-28 09:29:30
【问题描述】：

我想逐行读取文件，而不知道之前的行长。到目前为止，这是我得到的：

int ch = getc(file);
int length = 0;
char buffer[4095];

while (ch != '\n' && ch != EOF) {
    ch = getc(file);
    buffer[length] = ch;
    length++;
}

printf("Line length: %d characters.", length);

char newbuffer[length + 1];

for (int i = 0; i < length; i++)
    newbuffer[i] = buffer[i];

newbuffer[length] = '\0';    // newbuffer now contains the line.

我现在可以计算出行长，但仅限于短于 4095 个字符的行，而且这两个 char 数组似乎是一种尴尬的完成任务的方式。有没有更好的方法来做到这一点（我已经使用了 fgets() 但被告知这不是最好的方法）？

--Ry

【问题讨论】：

标签： c file-io

【解决方案1】：

您可以从您选择的一些合适的大小开始，然后如果您需要更多空间，请在中途使用realloc：

int CUR_MAX = 4095;
char *buffer = (char*) malloc(sizeof(char) * CUR_MAX); // allocate buffer.
int length = 0;

while ( (ch != '\n') && (ch != EOF) ) {
    if(length ==CUR_MAX) { // time to expand ?
      CUR_MAX *= 2; // expand to double the current size of anything similar.
      buffer = realloc(buffer, CUR_MAX); // re allocate memory.
    }
    ch = getc(file); // read from stream.
    buffer[length] = ch; // stuff in buffer.
    length++;
}
.
.
free(buffer);

您必须在调用malloc 和realloc 后检查分配错误。

【讨论】：

就像一个注释一样，逐个字符的阅读速度非常慢。你应该大块地阅读它（4-16k）。
@Blindy：标准库 I/O 会进行缓冲，所以这并不比分块读取慢很多。
不将计数重置为 0 导致缓冲区溢出？
一如既往，请don't cast the result of malloc()。
为什么在扩大内存大小后将计数重置为0？以前的记忆还在吗？

【解决方案2】：

您可能想查看Chuck B. Falconer's public domain ggets library。如果您在使用 glibc 的系统上，您可能有一个（非标准）getline 函数可供您使用。

【讨论】：

不错！我相信我可以相信大多数类 UNIX 系统都安装了 glibc，所以这绝对是一种很好的逐行阅读方式。
此外，getline 已包含在最新的 POSIX 标准中，因此它现在是 unix 上的标准。但是，仍然不能保证它包含在 c per se 中。

【解决方案3】：

你已经接近了。基本上你想读取数据块并检查它们是否有\n 字符。如果你找到一个，很好，你已经结束了。如果不这样做，则必须增加缓冲区（即分配一个两倍于第一个缓冲区大小的新缓冲区，并将第一个缓冲区中的数据复制到新缓冲区中，然后删除旧缓冲区并将新缓冲区重命名为旧的 -- 或者只是 realloc 如果你在 C) 然后再读一些直到你找到一个结局。

一旦你有了结尾，从缓冲区开头到\n 字符的文本就是你的行。将其复制到缓冲区或就地处理，由您决定。

准备好下一行后，您可以将输入的“其余部分”复制到当前行（基本上是左移）并用输入中的数据填充缓冲区的其余部分。然后你再去一次，直到你的数据用完。

这当然可以优化，例如使用循环缓冲区，但这对于任何合理的 io-bound 算法来说应该绰绰有余。

【讨论】：

【解决方案4】：

这就是我为标准输入所做的，如果你像 readLine(NULL, 0) 这样调用它，该函数会为你分配一个大小为 1024 的缓冲区，并让它以 1024 的步长增长。如果你用 readLine(NULL, 10) 调用函数你得到一个步长为 10 的缓冲区。如果你有一个缓冲区，你可以提供它的大小。

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

char *readLine(char **line, size_t *length)
{
    assert(line != NULL);
    assert(length != NULL);

    size_t count = 0;

    *length = *length > 0 ? *length : 1024;

    if (!*line)
    {
        *line = calloc(*length, sizeof(**line));
        if (!*line)
        {
            return NULL;
        }
    }
    else
    {
        memset(*line, 0, *length);
    }

    for (int ch = getc(stdin); ch != '\n' && ch != EOF; ch = getc(stdin))
    {
        if (count == *length)
        {
            *length += 2;
            *line = realloc(*line, *length);
            if (!*line)
            {
                return NULL;
            }
        }

        (*line)[count] = (char)ch;

        ++count;
    }

    return *line;
}

【讨论】：

【解决方案5】：

考虑 scanf '%m' 格式转换修饰符 (POSIX)

char *arr = NULL ;
    // Read unlimited string, terminated with newline. Similar to dynamic size fgets.
if ( fscanf(stdin, "%m[^\n]", &arr) == 1 ) {
   // Do something with arr
   free(arr) ;
} ;

引用 scanf 手册页：

可选的“m”字符。这与字符串转换一起使用 (%s, %c, %[)，并解除调用者的需要分配一个相应的缓冲区来保存输入：相反，scanf() 分配了一个足够的缓冲区大小，并将此缓冲区的地址分配给相应的指针参数，该参数应该是指向一个 char * 变量（该变量不需要在调用前初始化）。当不再需要此缓冲区时，调用者应随后释放（3）此缓冲区

【讨论】：