使用fgetc時，是否可以將EOF與正常的字節值混淆？

Question

我們經常使用這樣的fgetc ：

int c;
while ((c = fgetc(file)) != EOF)
{
    // do stuff
}

從理論上講，如果文件中的某個字節的值為EOF ，則此代碼有問題 - 它會提前中斷循環並且無法處理整個文件。 這種情況可能嗎？

據我所知， fgetc內部將從文件讀取的字節轉換為unsigned char ，然后轉換為int ，並返回它。 如果int的范圍大於unsigned char的范圍，這將起作用。

如果不是（可能那么sizeof(int)=1 ）會發生什么？

• fgetc有時會從文件中讀取等於EOF的合法數據嗎？
• 它會改變從文件中讀取的數據以避免單值EOF嗎？
• fgetc會是一個未實現的功能嗎？
• EOF會不會是另一種類型，比如long ？

我可以通過額外的檢查使我的代碼變得簡單：

int c;
for (;;)
{
    c = fgetc(file);
    if (feof(file))
        break;
    // do stuff
}

如果我想要最大的便攜性，這是必要的嗎？

Answer 1

C規范說int必須至少能夠保存-32767到32767之間的值。 任何具有較小int平台都是非標准的。

C規范還說EOF是負int常量，並且fgetc在成功讀取時返回“轉換為int的unsigned char ”。 由於unsigned char不能具有負值，因此可以將EOF的值與從流中讀取的任何內容區分開來。 ^*

^*請參見下文，了解未能解決的漏洞案例。

---

相關標准文本（來自C99）：

• §5.2.4.2.1整數類型的大小<limits.h> ：

  []實現定義的值的大小（絕對值）應等於或大於所示的值，並帶有相同的符號。

  [...]

  • int類型對象的最小值

    INT_MIN -32767

  • int類型對象的最大值

    INT_MAX +32767

• §7.19.1 <stdio.h> - 簡介

  EOF ...擴展為整數常量表達式，類型為int和負值，由多個函數返回以指示文件結束，即不再從流中輸入

• §7.19.7.1將fgets功能

  如果輸入流中的結束文件指針指向的stream沒有設置和下一個字符存在，則fgetc函數獲取字符作為unsigned char轉換為int和推進相關聯的文件中的位置指示器的流（如果定義）

如果UCHAR_MAX ≤ INT_MAX ，是沒有問題的：所有的unsigned char值將被轉換成非負整數，所以他們會從不同的EOF。

現在， 有一個有趣的某種漏洞的位置：如果系統有UCHAR_MAX > INT_MAX ，則系統被法律允許超過轉換值大於INT_MAX負整數（每§6.3.1.3，值轉換為有符號的結果無法表示該值的類型是實現定義的 ），使得從流中讀取的字符可以轉換為EOF。

CHAR_BIT > 8系統確實存在（例如TI C4x DSP，它顯然使用32位字節），雖然我不確定它們是否在EOF和流功能方面有所破壞。

Answer 2

是的， c = fgetc(file); if (feof(file)) c = fgetc(file); if (feof(file))確實可以實現最大的可移植性。 它通常起作用，並且當unsigned char和int具有相同數量的唯一值時。 這種情況發生在罕見的平台上，包括char ， signed char ， unsigned char ， short ， unsigned short ， int ， unsigned所有這些都使用相同的位寬和范圍寬度。

請注意， feof(file))不足。 代碼還應檢查ferror(file) 。

int c;
for (;;)
{
    c = fgetc(file);
    if (c == EOF) {
      if (feof(file)) break;
      if (ferror(file)) break;
    }
    // do stuff
}

Answer 3

注意：在最常見的情況下，chux的答案是正確的。 我將這個答案留下來，因為我相信評論中的答案和討論對於理解chux的方法是必要的（罕見）情況是有價值的。

EOF保證具有負值（C99 7.19.1），如您所述，fgetc在轉換為int之前將其輸入讀取為unsigned char。 所以那些自己保證不能從文件中讀取EOF。

至於你的具體問題：

• fgetc無法讀取等於EOF的合法數據。 在文件中，沒有簽名或未簽名的東西; 它只是位序列。 它是C，以不同的方式解釋1000 1111，具體取決於它是被視為有符號還是無符號。 fgetc需要將其視為無符號，因此無法返回負數（EOF除外）。

  附錄：它無法讀取unsigned char部分的EOF，但是當它將unsigned char轉換為int時，如果int不能表示unsigned char的所有值，則行為是實現定義的（6.3。 1.3）。

• fgetc是托管實現的標准所必需的，但允許獨立實現省略大多數標准庫函數（有些顯然是必需的，但我找不到列表。）

• EOF不需要很長時間，因為fgetc需要能夠返回它並且fgetc返回一個int。

• 就改變數據而言，它不能准確地改變值 ，但由於fgetc被指定為從文件中讀取“字符”而不是字符，因此即使系統也可能一次讀取8位否則將CHAR_BIT定義為16（如果sizeof（int）== 1，則它可以具有的最小值，因為5.2.4.2需要INT_MIN <= -32767和INT_MAX> = 32767）。 在這種情況下，輸入字符將轉換為無符號字符 ，它始終具有高位0.然后它可以轉換為int而不會丟失精度。 （實際上，這不會出現，因為機器一般不具有16位字節）