如何在不使用fseek或stat的情况下在C中获取文件的大小？

Question

我正在为我的学校做一个项目，我无法找到如何获得文件的大小。因为我需要读取一个脚本并在我的程序中使用它，所以我需要使用read或fread这个文件的大小。

这是我为获取文件大小所做的，但它似乎不起作用。

int my_size(int filedesc)
{
    int size = 1;
    int read_output = 1;
    char *buffer;

    for (size = 1; read_output != 0 ; size++) {
        buffer = malloc((size+1)*sizeof(char*));
        read_output = read(filedesc, buffer, size);
        free(buffer);
    }
    return(size);
}

并且我不允许使用stat（）和fseek（）作为此项目的规则，也不允许使用任意大小（如100）的read或fread，因为给出的脚本可能很小或很大。

Answer 1

如果您可以依赖输入作为持久文件（即驻留在存储介质上），并且在程序运行期间没有修改该文件，那么您可以预先读取它以计算其中的字节数，然后倒带。

但是在学术练习之外，禁止通过stat()，fseek()等测量大小的通常原因是输入可能不会驻留在存储介质上，因此

1. 如果不阅读它，你就无法确定它的大小
2. 你无法倒回或在其中寻找。

那么诀窍不是如何提前确定尺寸，而是如何在不预先测量尺寸的情况下确定尺寸。至少有两个主要策略：

• 首先不要依赖于将整个内容存储在内存中。相反，在读取内容时对其内容进行操作，在任何给定时间内仅在内存中保持足够的内容。
• 或者，动态调整文件大小。这有很多变化。例如，如果您只是将文件读入整体块中，那么当您发现需要更多时，可以使用malloc() space和realloc()。或者，您可以将内容存储在链接列表中，根据需要分配新的列表节点。

至于问题中提出的方法，它有几个问题。它似乎是我第一次描述的尝试 - 将文件读到最后以确定其大小 - 但是

1. 它似乎假设每个read()将从文件的开头开始，或者如果read()无法读取整个文件，那么它可能会失败。情况也不是这样。每个read()将从文件的当前位置开始，并将文件保留在最后一个字节传输之后。
2. 因为它会改变文件位置，所以你的方法将要求文件在之后通过lseek()重绕。但是，如果lseek()可以用于此目的（并且请注意我以前关于您无法搜索的文件的评论），那么它将提供一种更清晰的方法来测量文件的大小。
3. 您没有考虑I / O错误。如果发生一个，那么它可能会将您的程序发送到无限循环。
4. 动态分配比较昂贵，而且你做了很多。如果您想实施预读策略，那么这将是一个更好的实现：

   ssize_t count_bytes(int fd) {
       ssize_t num_bytes = 0;
       char buffer[2048];
       ssize_t result;
   
       do {
           result = read(fd, buffer, sizeof(buffer));
           if (result < 0) {
               // handle error ...
           }
           num_bytes += result;
       while (result > 0);
   
       return num_bytes;
   }

Answer 2

在您的可执行文件中使用gdb debugger或strace(1)，使用所有警告和调试信息编译：gcc -Wall -Wextra -g和GCC。仔细阅读read(2)的文档，以及你正在使用的每个函数（包括malloc(3)，你忘记了test的失败）。

您需要使用read(2)的结果（实际读取字节数）。并且你需要特别处理错误情况（当read给出-1时）。

有足够长的文件，可能会发生的事情是，在第一个循环中，您正在读取1个字节，在第二个循环上，您正在读取2个字节，在第三个循环上，您已读取3个字节，等等...（和您在这种情况下忘了计算1 + 2 + 3）。

你应该累积和总和所有的read_output你应该处理read(2)给出少于size的情况（这应该发生在你的read最后一次非零）。

我建议使用固定缓冲区（常量或固定大小），并重复执行read(2)，但要小心使用返回的字节数（也就是处理错误和EOF条件）。

请注意，system calls（在syscalls(2)中列出）非常昂贵。根据经验，你应该read(2)或write(2)一个几千字节的缓冲区（并仔细处理返回的字节数，也测试它的错误，请参阅errno(3)）。每次只对几个字节进行read的程序是低效的。

此外，malloc（或realloc）相当昂贵。将heap allocated大小增加一个是丑陋的（因为你在每个循环上调用malloc;在你的情况下你甚至不需要使用malloc）。你最好使用一些几何级数，也许是newsize = 4*oldsize/3 + 10;（或类似的）。