程序退出时,内存里的数据跟着进程一起没了。要让下次运行还能读到上次的结果,数据必须落到磁盘上。C 标准库为此提供了一组以 FILE * 为中心的函数:fopen 打开流,读写函数在流上操作,fclose 关闭并刷新。

流、标准流和 FILE 指针

按用途分,文件有两类。程序文件是源文件 .c、目标文件 .obj/.o、可执行程序 .exe;数据文件是程序运行时读写的内容。文件名由路径、文件名主干和后缀组成,例如 c:\code\test.txt,日常说的“文件名”通常指整个标识。

程序的数据要进出键盘、屏幕、磁盘、管道,每种设备的操作方式都不同。C 库在中间加了一层抽象:流(stream)。程序只跟流打交道,由库负责把字节送到具体设备。

程序启动时,运行库已经打开了三个流:stdin 标准输入,通常接键盘;stdout 标准输出,通常接显示器;stderr 标准错误,也接显示器。三个变量的类型都是 FILE *。scanf 从 stdin 读,printf 往 stdout 写,所以这两个函数不需要先打开什么。

FILE 是一个结构体类型,里面记着这个流对应的文件、当前读写位置、缓冲区(buffer)指针、错误标志、文件描述符等。不同实现的字段不同:VS2013 的 <stdio.h> 里叫 struct _iobuf,glibc 是另一套。字段不用背,知道 FILE * 是句柄就够了。

三个 FILE 指针各指向一块文件信息区,信息区再关联到磁盘上的文件 1、2、3;指针里没有文件内容,只有访问这个文件所需的状态

fopen 把文件名和模式变成 FILE *,失败返回 NULL;fclose 关闭流,成功返回 0,失败返回 EOF。关闭动作会刷新输出缓冲区,所以写文件最后那次 fclose 不能省。

#include <stdio.h>
 
int main(void)
{
    FILE *fp = fopen("myfile.txt", "w");
    if (fp == NULL)
    {
        perror("fopen");
        return 1;
    }
 
    fputs("fopen example", fp);
 
    if (fclose(fp) != 0)
        return 1;
    return 0;
}

perror 会把 errno 对应的系统原因打出来,比一句“打开失败”有用。

fopen 的第二个参数:w 会清空,a 只追加

mode 决定三件事:读还是写、文件不存在怎么办、文件已存在怎么办。

模式读写文件不存在文件已存在
"r"是否失败,返回 NULL从头读
"w"否是新建清空后写
"a"否是新建从末尾追加
"r+"是是失败,返回 NULL从头读写
"w+"是是新建清空后读写
"a+"是是新建写总在末尾,读起点由实现决定
"rb"是否失败,返回 NULL从头读(二进制)
"wb"否是新建清空后写(二进制)
"ab"否是新建从末尾追加(二进制)
"rb+"是是失败,返回 NULL从头读写(二进制)
"wb+"是是新建清空后读写(二进制)
"ab+"是是新建末尾写,读起点由实现决定(二进制)

第一个字母决定创建与清空规则:r 只认已存在的文件;w 不存在就建、存在就清空;a 不存在就建、存在则保留内容并把写位置放到末尾。加 + 表示同一个流既能读也能写,但读写之间切换时要先定位。加 b 表示二进制模式,不做换行翻译。

"w" 那一行的“清空”是最容易吃亏的地方:fopen("data.txt", "w") 一旦成功,原有内容立刻没了,哪怕你一个字都没写。课件模式表只写了“文件不存在”这一列,没有交代已有文件会被截断。

课件的 "w+" 那一格写的是“为了读和写,建议一个新的文件”,“建议”是“建立”的误植。按字面读会以为它只是建议你新建,实际是不存在就建、存在就清空。

"a+" 的描述也不完整。它的写操作总是追加到末尾,这是标准强制的;读的起始位置由实现决定,常见实现从文件头开始。以为 a+ 只能从末尾读,会写出很别扭的代码。

"r+" 要求文件已经存在,初始位置在开头;想从头覆盖而不是清空,它是正确选择。

打开失败返回 NULL,后面的每一条操作都得先判它:

#include <stdio.h>
 
int main(void)
{
    FILE *fp = fopen("data.txt", "r");
    if (fp == NULL)
    {
        perror("fopen");
        return 1;
    }
 
    fclose(fp);
    return 0;
}

同一个 10000:五个 ASCII 字节,或者四个二进制字节

数据在内存里都是二进制位。写文件时有两种组织方式:把位模式原样写出去,得到二进制文件;先按字符编码转成文本再写,得到文本文件。

课件说“字符一律以 ASCII 形式存储”,这只对 ASCII 范围内的字符成立。中文在 UTF-8 里通常占三个字节,在 GBK 里两个;文本文件里一个“字符”未必是一个字节,拿字节数估文本长度,遇到中文就会错。

整数 10000:按 ASCII 写成 '1'、'0'、'0'、'0'、'0',五个字节;按二进制写,0x00002710 在常见的小端机器上是 10 27 00 00,四个字节。

左边是内存中的 10000,按位拆成四个字节;右上按 ASCII 存成五个字符,每位数字一个字节;右下原样按二进制存,仍是四个字节

VS 里可以把文件用“打开方式 → 二进制编辑器”打开,直接看到四个字节。

在 VS 解决方案资源管理器里右键 test.txt,选“打开方式”,再选“二进制编辑器”;右侧弹出的选择框就是这一步,选中后点确定

二进制不一定更省:double 的 1.5 存二进制是 8 字节,写成文本 1.5 只要 3 字节。文本模式下 Windows 还会做换行翻译:写时把 \n 变成 \r\n,读时反过来;因此 ftell 在文本模式下返回的偏移不保证等于磁盘字节数。文本模式读到一个 0x1A(Ctrl+Z)可能被当作文件结束,这是 MS-DOS 留下的行为。要按字节精确读写,用 rb/wb。

#include <stdio.h>
 
int main(void)
{
    int a = 10000;
    FILE *pf = fopen("test.bin", "wb");
    if (pf == NULL)
        return 1;
 
    fwrite(&a, sizeof a, 1, pf);
    fclose(pf);
    return 0;
}

课件写的是 fwrite(&a, 4, 1, pf),把 4 写死了。int 在多数桌面平台是 4 字节,换一种类型或换一个平台就不对;第二个参数给 sizeof a,类型变了大小自己跟着变。

顺序读写:四对函数和三个 scanf 家族

函数作用适用
fgetc读一个字符所有输入流
fputc写一个字符所有输出流
fgets读一行文本所有输入流
fputs写一行文本所有输出流
fscanf按格式读所有输入流
fprintf按格式写所有输出流
fread读一块二进制数据通常用于文件流
fwrite写一块二进制数据通常用于文件流

“所有输入流”包括 stdin 和文件流,“所有输出流”包括 stdout 和文件流。fread/fwrite 按元素块搬运,标准里也接受任意流,实际几乎只用于文件。

fgetc 返回 int,因为要能返回 EOF;不要把结果存进 char。fgets 读到换行或缓冲区满就停,返回值是 buf 或 NULL,它会把换行一起读进来。fread/fwrite 的单位是“多少个元素、每个多大”,返回值是实际完成的元素个数。

三个输入函数按数据来源分开:scanf 从 stdin 读,fscanf 从指定流读,sscanf 从内存里的字符串读。三个输出函数对应:printf 往 stdout 写,fprintf 往指定流写,sprintf 往内存字符串写。sscanf 和 sprintf 不碰文件。

#include <stdio.h>
 
int main(void)
{
    char line[128];
    FILE *fp = fopen("myfile.txt", "r");
    if (fp == NULL)
        return 1;
 
    while (fgets(line, sizeof line, fp) != NULL)
        fputs(line, stdout);
 
    fclose(fp);
    return 0;
}

fseek、ftell、rewind 移动的是游标

顺序读写只能从头到尾。要在中间改几个字节,需要定位。

int fseek(FILE *stream, long offset, int origin);
long ftell(FILE *stream);
void rewind(FILE *stream);

origin 取 SEEK_SET(从文件头算)、SEEK_CUR(从当前位置算)、SEEK_END(从文件尾算)。fseek 成功返回 0,失败返回非 0;ftell 返回当前位置的偏移,失败返回 -1;rewind 回到开头,同时清掉流的错误标志,相当于 fseek(fp, 0, SEEK_SET) 加 clearerr(fp)。

#include <stdio.h>
 
int main(void)
{
    FILE *fp = fopen("example.txt", "w+");
    if (fp == NULL)
        return 1;
 
    fputs("This is an apple.", fp);
    fseek(fp, 9, SEEK_SET);
    fputs(" sam", fp);
    fclose(fp);
    return 0;
}

偏移 9 落在 an 的 n 上,写入 " sam" 覆盖 n、空格、a、p 四个位置,文件变成 This is a sample.。fseek 改的是流里的位置,不是磁盘上的物理位置;磁盘那头还隔着缓冲区和文件系统缓存。

量文件大小常用这个组合:

#include <stdio.h>
 
int main(void)
{
    FILE *fp = fopen("myfile.txt", "rb");
    if (fp == NULL)
        return 1;
 
    fseek(fp, 0, SEEK_END);
    long size = ftell(fp);
    rewind(fp);
 
    printf("%ld\n", size);
    fclose(fp);
    return 0;
}

这段在 Windows 上受 long 是 32 位的限制,超过 2GB 会溢出;更大的文件用 _fseeki64/_ftelli64 或系统接口。文本模式下 fseek 的 offset 只保证两个取值有意义:0,或者上一次 ftell 返回的值,并且 origin 只能是 SEEK_SET;要在任意字节位置定位,用二进制模式。从写切到读、或者从读切到写之前,标准要求中间有一次定位操作。

课件 rewind 示例最后写 printf(buffer);,把文件内容当格式串。文件里只要出现 %n,这就是一个能被利用的漏洞;改成 puts(buffer) 或 printf("%s", buffer)。

feof 回答的是上一次读取的结果

feof 不告诉你文件里还剩多少数据。它读的是一个状态位:上一次读操作有没有因为到达文件尾而失败。读到最后一个字节时,这个位还没置起来;再读一次失败,它才返回非零。所以这样写会多跑一轮:

#include <stdio.h>
 
void read_all(FILE *fp)
{
    char line[128];
 
    while (!feof(fp))
    {
        fgets(line, sizeof line, fp);
        puts(line);
    }
}

最后一轮 fgets 失败返回 NULL,line 还是上一轮的内容,puts 又打印一遍。

判断结束看读函数的返回值:文本文件里 fgetc 返回 EOF,fgets 返回 NULL;二进制文件里 fread 返回的元素个数小于请求的个数。循环退出后再用 ferror 和 feof 区分“正常读到尾”和“出错”。

#include <stdio.h>
#include <stdlib.h>
 
int main(void)
{
    int c;
    FILE *fp = fopen("test.txt", "r");
    if (fp == NULL)
    {
        perror("fopen");
        return EXIT_FAILURE;
    }
 
    while ((c = fgetc(fp)) != EOF)
        putchar(c);
 
    if (ferror(fp))
        puts("读取出错");
    else if (feof(fp))
        puts("正常读到文件尾");
 
    fclose(fp);
    return 0;
}

c 必须是 int。fgetc 返回 EOF 表示失败或结束,合法的字符值也可能落在 char 无法区分的范围;用 char 存会把 0xFF 和 EOF 混在一起。

#include <stdio.h>
 
enum { SIZE = 5 };
 
int main(void)
{
    double a[SIZE] = {1.0, 2.0, 3.0, 4.0, 5.0};
    double b[SIZE];
    FILE *fp = fopen("test.bin", "wb");
    if (fp == NULL)
        return 1;
    fwrite(a, sizeof a[0], SIZE, fp);
    fclose(fp);
 
    fp = fopen("test.bin", "rb");
    if (fp == NULL)
        return 1;
    size_t got = fread(b, sizeof b[0], SIZE, fp);
    if (got == SIZE)
        puts("全部读到");
    else if (feof(fp))
        puts("文件提前结束");
    else if (ferror(fp))
        puts("读取出错");
    fclose(fp);
    return 0;
}

数据先落在缓冲区,fclose 才把账结清

ANSI C 的文件接口是缓冲文件系统:每个正在使用的流在内存里有一块缓冲区。写文件时,fputs、fwrite 先把数据放进输出缓冲区,缓冲区满了才整块写到磁盘;读文件时,磁盘数据先读满输入缓冲区,再由 fgetc 一类函数一个个取给程序。缓冲区多大由实现决定。

内存里,程序数据区先把输出送进输出缓冲区,再由缓冲区整块落到硬盘;读的时候硬盘先进输入缓冲区,再喂给程序数据区

这解释了两个现象:程序中途崩溃,日志最后几行没了;刚 fputs 完去看文件,还是空的。要让数据立刻落盘,调用 fflush(fp);不手动刷,fclose 也会刷。fclose 的返回值要看,刷新失败时它返回 EOF。

#include <stdio.h>
 
int main(void)
{
    FILE *fp = fopen("test.txt", "w");
    if (fp == NULL)
        return 1;
 
    fputs("abcdef", fp);
    fflush(fp);
 
    if (fclose(fp) != 0)
        return 1;
    return 0;
}

课件注释写“fflush 在高版本的 VS 上不能使用了”,这句不对。fflush 对输出流是标准行为,MSVC 一直支持;不能用的是 fflush(stdin)——对输入流刷新在 C 标准里是未定义行为。MSVC 2015 之后对 fflush(stdin) 直接什么都不做,2013 及更早会丢弃输入缓冲。想清空输入缓冲,自己用 getchar() 读到换行。

文件操作的对象始终是流:位置、缓冲区、状态位三样对了,磁盘上的字节才会对。