Question

我正在编写一个程序，它读取的文件大约有200万行。该文件的格式为整数ID选项卡，其中包含艺术家姓名字符串。

6821361 Selinsgrove High School Chorus
10151460    greek-Antique
10236365    jnr walker & the all-stars
6878792 Grieg - Kraggerud, Kjekshus
6880556 Mr. Oiseau
6906305 stars on 54 (maxi single)
10584525    Jonie Mitchel
10299729    エリス レジーナ／アントニオ カルロス ジョビン

上面是一个示例，其中包含文件中的一些项目（不是某些行不遵循特定格式）。我的程序工作文件，直到它从示例到达最后一行，然后它无休止地打印エリスレジーナ／アントニオカルロスジョビ\343\203。

struct artist *read_artists(char *fname)
{
    FILE *file;
    struct artist *temp = (struct artist*)malloc(sizeof(struct artist));
    struct artist *head = (struct artist*)malloc(sizeof(struct artist));
    file = fopen("/Users/Daniel/Library/Developer/Xcode/DerivedData/project_Audioscrobbler_Artists-hgwyqpinuoxayzbmvarcjxryqnrz/Build/Products/Debug/artist_data.txt", "r");
    if(file == 0)
    {
        perror("fopen");
        exit(1);
    }
    int artist_ID;
    char artist_name[650];
    while(!feof(file))
    {
        fscanf(file, "%d\t%65[^\t\n]\n", &artist_ID, artist_name);
        temp = create_play(artist_ID, artist_name, 0, -1);
        head = add_play(head, temp);
        printf("%s\n", artist_name);
    }
    fclose(file);
    //print_plays(head);
    return head;
}

以上是我从该文件中读取的代码。你能帮忙解释一下是什么问题吗？

Answer 1

正如评论所示，一个问题是 while(!feof(file)) 链接的内容会详细解释为什么这不是一个好主意，但总的来说，引用链接中的一个答案：

（！FEOF（文件））...

...是错误的，因为它测试了某些东西无关紧要，无法测试你需要知道的事情。该结果是你错误地执行了假定它的代码正在访问已成功读取的数据，实际上这从未发生了。 - Kerrek SB

在您的情况下，此用法不会导致您的问题，但正如Kerrek解释可能发生的那样，掩盖它。

您可以将其替换为fgets(...)：

char lineBuf[1000];//make length longer or shorter for your purpose
file = fopen("/Users/Daniel/Library/Developer/Xcode/DerivedData/project_Audioscrobbler_Artists-hgwyqpinuoxayzbmvarcjxryqnrz/Build/Products/Debug/artist_data.txt", "r");
if(!file) return -1;
while(fgets (lineBuf, sizeof(lineBuf), file))
{
    //process each line here
    //But processing Japanese characters
    //will require special considerations.
    //Refer to the link below for UNICODE tips
}

<强> Unicode in C and C++...

特别是，您需要使用足以包含要处理的不同大小字符的变量类型。该链接非常详细地讨论了这一点。

以下是摘录：

"char" no longer means character
I hereby recommend referring to character codes in C programs using a 32-bit unsigned integer type. Many platforms provide a
＆＃34; wchar_t的＆＃34; （宽字符）类型，但不幸的是要避免因为有些编译器只分配了16位 - 不足以表示 Unicode格式。无论你需要传递个性，改变＆＃34; char＆＃34; to＆＃34; unsigned int＆＃34;或类似的。唯一剩下的用途＆＃34; char＆＃34; type是指＆＃34; byte＆＃34;。

<强> 编辑：
在上面的注释中，您声明了，但它失败的字符串是66字节长。因为你正在读一个字母＆＃39;数组，在包括最后一个必要字节之前，完成字符所需的字节被截断一个字节。 ASCII字符可以包含在单个char空间中。日文字符不能。如果您使用unsigned int数组而不是char数组，则会包含最后一个字节。

Answer 2

OP的代码失败，因为未检查fscanf()的结果。

fscanf(file, "%d\t%65[^\t\n]\n", &artist_ID, artist_name);

fscanf()在char的{{1}}中读取"エリスレジーナ／アントニオカルロスジョビン"。然而，这个以UTF8编码的字符串长度为66.最后'ン'是代码227,131,179（八进制343 203 263），只有最后2个被读取。打印artist_name时，会显示以下内容。

エリス レジーナ／アントニオ カルロス ジョビ\343\203

现在开始出现问题。 char 179中的最后一个file仍然存在。在 next fscanf()上，由于char 179未转换为int（"%d"），因此失败。因此，fscanf()返回0.由于代码未检查fscanf()的结果，因此它未实现artist_ID和artist_name之前遗留下来，因此打印相同的文本。

由于feof()永远不会被char 179消耗，因此我们有无限循环。

while(!feof(file))隐藏了这个问题，但没有引起它。

@ryyker提出的fgets()是一种很好的方法。另一个是：

while (fscanf(file, "%d\t%65[^\t\n]\n", &artist_ID, artist_name) == 2) {
    temp = create_play(artist_ID, artist_name, 0, -1);
    head = add_play(head, temp);
    printf("%s\n", artist_name);
    }

IOWs，验证*scanf()的结果。

从文件中读取日文字符的问题 - C.

2 个答案: