C：定位到文件中已知行的最佳方法

Question

我有一个文件，我想遍历它，但不处理当前行。我要找的是在文本文件中定位到特定行的最佳方法。例如，将当前行存储到变量中似乎没有用，直到我到达预定的行。

示例：

file.txt

foo
fooo
fo
here

通常，要达到这个目的，我会执行以下操作：

FILE* file = fopen("file.txt", "r");
if (file == NULL)
    perror("Error when opening file ");
char currentLine[100];
while(fgets(currentLine, 100, file))
{
    if(strstr(currentLine, "here") != NULL)
         return currentLine;
}

但是fgets必须无用地读取三行，并且currentLine必须存储foo，fooo和fo。

有没有更好的方法来做到这一点，知道here是第4行？ 例如文件的go to?

- Badda

---

对于普通文件，唯一更好的方法是构建和维护自己的行号和 fseek 偏移量索引。（这很简单，但需要一些工作。） - Steve Summit

Answer 1

由于您不知道每行的长度，所以需要逐行读取并计算前面所有行的长度。

如果您知道每一行的长度，可以使用fseek()函数移动文件指针。

- gsamaras

Answer 2

你无法直接访问文本文件的某一行（除非所有行在字节上大小相同；而且使用UTF8 everywhere时，Unicode字符可以占用可变数量的字节，从1到6不等；并且在大多数情况下，行的长度各不相同-与下一行不同）。因此，你不能使用fseek（因为你事先不知道文件偏移量）。

然而（至少在Linux系统上），行以\n（换行符）结尾。因此，你可以逐字节读取并计数：

int c= EOF;
int linecount=1;
while ((c=fgetc(file)) != EOF) {
  if (c=='\n')
    linecount++;
}

你之后不需要存储整个行。因此，你可以通过这种方式到达第45行 (使用 while ((c=fgetc(file)) != EOF) && linecount<45 ...)，然后再使用fgets或更好的 getline(3) 在POSIX系统上阅读整个行(参见 this 示例)。请注意，fgets 或getline 的实现可能是建立在fgetc之上，或者至少与其共享某些代码。请记住，<stdio.h> 是缓冲式 I/O，请参见 setvbuf(3) 和相关函数。

---

另一种方法是进行两次文件读取。第一次读取会将每行开头的偏移量（使用ftell(3)...）存储在某种高效的数据结构中（如向量、哈希表、树形结构等）。第二次读取将使用该数据结构检索偏移量（即行开头），然后使用fseek(3)（使用该偏移量）。

---

第三种方式，特定于POSIX的，是通过mmap(2)将文件映射到您的虚拟地址空间中（这对于不太大的文件非常有效，例如小于几个GB）。 仔细处理（您可能需要mmap一个额外的结束页，以确保数据以零字节结尾），然后您就可以使用strchr(3)和'\n'

在某些情况下，您可能会考虑逐行解析您的文本文件（使用适当的解析，或-Linux上-getline，或使用flex和bison生成您的解析器），并将每行存储在关系数据库（例如PostGreSQL或sqlite）中。

^{顺便提一句，行的概念（以及行末标记）因操作系统而异。在Linux中，行末是一个\n字符。在Windows中，据传行末为\r\n等等...}

- Basile Starynkevitch

---

从技术上讲，在Windows上，行尾也以\n字符结束...只是在它之前有一个\r。关键是，在Windows上计算\n也是有效的。 - Govind Parmar

逐个字符迭代是否比逐行迭代有优势？ - Badda

@Badda：你怎样逐行迭代？ - Basile Starynkevitch

Answer 3

在 C 语言中，FILE * 是一个 char 流。在可寻址文件中，可以使用文件指针和 fseek() 来寻址这些 char。但除此之外，在文件中没有“特殊字符”，换行符只是另一个普通字符而已。

因此，简而言之，如果您不知道每一行的长度，那么不能直接跳转到文本文件的某一行。

C 语言中的模型对应于典型操作系统提供的文件。如果您深入思考，要想知道单独一行的起始点，您的文件系统就必须存储这些信息。这将意味着要特别处理文本文件。

然而，您可以计算行数，而不是匹配模式，就像这样：

#include <stdio.h>

int main(void)
{
    char linebuf[1024];
    FILE *input = fopen("seekline.c", "r");
    int lineno = 0;
    char *line;
    while (line = fgets(linebuf, 1024, input))
    {
        ++lineno;
        if (lineno == 4)
        {
            fputs("4: ", stdout);
            fputs(line, stdout);
            break;
        }
    }
    fclose(input);
    return 0;
}

- user2371524

Answer 4

如果您不知道每行的长度，那么您需要遍历所有行。但是，如果您知道要停止的行，可以这样做：

while (!found && fgets(line, sizeof line, file) != NULL) /* read a line */
{
    if (count == lineNumber)
    {
         //you arrived at the line
         //in case of a return first close the file with "fclose(file);"
         found = true;
    }
    else
    {
        count++;
    }
}

至少你可以避免这么多对strstr的调用。

- Jesferman