如何从 std::ifstream 将文件读入 unsigned char 数组？

Question

所以通常我会做这样的事情：

    std::ifstream stream;
    int buff_length = 8192;
    boost::shared_array<char> buffer( new char[buff_length]);
    stream.open( path.string().c_str(), std::ios_base::binary);
    while (stream)
    {
            stream.read(buffer.get(), buff_length);
            //boost::asio::write(*socket, boost::asio::buffer(buffer.get(), stream.gcount()));
    }
    stream.close();

我想知道如何读入

unsigned char

缓冲区（

boost::shared_array<unsigned char> buffer( new unsigned char[buff_length]);

）

Answer 1

最简单的形式：

std::vector<unsigned char> vec(
      std::istreambuf_iterator<char>(std::cin)
    , std::istreambuf_iterator<char>()
    );

将

std::cin

替换为您的实际流。

上面的代码可能会执行多次内存分配（对于大于几个字节的文件），因为

std::istreambuf_iterator<>

是一个输入迭代器，而不是随机访问或前向迭代器，因此文件的长度可以' t 通过减去

end - begin

等迭代器或调用

std::distance(begin, end)

来测量。如果首先创建空向量，则可以减少到一次内存分配，然后调用

std::vector<>::reserve()

为文件长度分配内存，最后调用范围插入

vec.insert(vec.end(), beg, end)

，其中

beg

和

end

为

std::istreambuf_iterator<>

如上所述读取整个文件。

C++17 标准库可以做到这一点：

#include <algorithm>
#include <filesystem>
#include <fstream>
#include <iostream>
#include <iterator>
#include <vector>

std::vector<unsigned char> load_file(std::filesystem::path file_path) {
    using namespace std;

    // Allocate memory for the entire file once.
    vector<unsigned char> file_content;
    file_content.reserve(file_size(file_path)); // C++17 standard library provides file_size.

    // Open the file in binary mode and read its bytes into the vector.
    ifstream file_stream(file_path, ios_base::in | ios_base::binary);
    file_content.insert(file_content.end(), istreambuf_iterator<char>{file_stream}, {});

    return file_content;
}

int main() {
    // Load a file.
    auto file_content = load_file("/usr/share/doc/gcc/copyright");

    // Output file contents into std::cout.
    copy(file_content.begin(), file_content.end(), std::ostreambuf_iterator<char>{std::cout});
}

---

如果文件大小超过几千字节，则将其映射到进程内存中可能是最有效的，以避免将内存从内核复制到用户空间。

使用

std::istreambuf_iterator<char>

的原因是因为实现使用

std::char_traits<>

，通常仅专门针对

char

和

wchar_t

。无论如何，C 和 C++ 标准要求所有

char

类型具有相同的二进制布局，没有填充位，因此

char

、

unsigned char

和

signed char

之间的转换（它们都是不同的类型，与

signed int

和

int

是同一类型）保留位模式，因此是安全的。

[基本.根本/1]

普通

char

、

signed char

和

unsigned char

是三种不同的类型，统称为 窄字符类型。一个

char

、一个

signed char

、一个

unsigned char

占用相同的存储空间，并且具有相同的对齐要求；也就是说，它们具有相同的对象表示...对于窄字符类型，对象表示的所有位都参与值表示...对于无符号窄字符类型，值表示的每个可能的位模式代表一个不同的数字。这些要求不适用于其他类型。在任何特定的实现中，普通

char

对象可以采用与

signed char

或

unsigned char

相同的值；哪一个是实现定义的。对于 0 到 255（含）范围内的每个

i

类型的值

unsigned char

，都存在一个

j

类型的值

char

，使得从

i

到

char

的积分转换结果为

j 

，从

j

到

unsigned char

积分转换的结果是

i

。