UNIX高级环境编程（6）标准IO函数库

标准IO函数库隐藏了buffer大小和分配的细节，使得我们可以不用关心预分配的内存大小是否正确的问题。

虽然这使得这个函数库很容易用，但是如果我们对函数的原理不熟悉的话，也容易遇到很多问题。

1 流和FILE实体（Streams and FILE Objects）

前面的章节中，IO集中在文件描述符，每一个打开的文件都对应一个文件描述符，通过文件描述符对文件进行操作。

现在使用了标准IO库，讨论的重点集中在流（streams）。

简要了解一下流：

• 当我们打开或创建了一个文件，我们说我们有一个流和该文件关联。
• stream支持单字节字符集和多字节字符集。stream的属性orientation决定使用单字符集还是多字符集。
• 当一个stream被创建时，没有指定orientation，这时，当使用宽字符集IO函数时，流的orientation设置为支持宽字符集；当使用单字符集IO函数时，流的orientation设置为支持单字符集。

只有两个函数可以修改流的orientation：

• freopen会清除流的orientation；
• fwide用来设置流的orientation。

fwide函数声明：

#include <stdio.h>

#include <wchar.h>

int fwide(FILE* fp, int mode);

函数返回值：

• 返回整数表示支持多字节字符集；
• 返回负数表示支持单字节字符集；
• 返回0表示没有设置stream的orientation。

mode取值的不同决定函数fwide的不同的行为：

• 如果mode为负数，fwide试着设置指定流支持单字节字符集；
• 如果mode为整数，fwide试着设置指定流支持多字节字符集；
• 如果mode为0，fwide不会试着设置流的orientation，但是会返回一个值代表当前流的orientation。

当我们打开一个流，函数fopen返回一个指向FILE对象的指针。FILE对象通常是一个结构体，包含所有控制流所需要的信息，包括：

• 实际IO所用的文件描述符；
• 一个指向流所使用的buffer的指针；
• buffer的大小；
• 当前在buffer中的字符数；
• error flag；
• 等。

2 缓存（Buffering）

缓存（buffering）的作用是为了尽可能少地调用read和write系统调用。

标准IO库提供三种类型的buffering：

完全缓存（Fully buffered）：在这种缓存机制中，实际的IO操作发生在缓存被写满时。正在写入硬盘的文件被完全缓存在buffer中。缓存空间往往在第一次IO操作时通过调用malloc函数获取；

行缓存（Line buffered）：在这种缓存机制中，实际的IO操作发生在新的一行字符被读入或者输出时，所以允许每一次只输出一个字符。行缓存有两点需要注意：buffer的大小是固定的，所以即使当前行没有读入或输出结束，依然可能发生实际的IO，当buffer被写满时；一旦有输入（从无缓存流或者行缓存流中输入）发生，所以已在buffer中缓存的输出流都会被立刻输出（flush）。

flush：标准IO缓存中内容立刻写入硬盘或者输出。在终端设备中，flush的作用也可能是丢弃缓存中得数据。

无缓存（Unbuffered）：不缓存输入或输出内容。例如，如果我们使用fputs函数输出15个字符，那么我们希望这15个字符尽可能快地被打印出来。如标准错误输出就要求是无缓存输出。

ISO C标准要求下面的缓存特性：

1. 标准输入输出在不关联交互设备的请款下，使用完全缓存（fully buffered）；
2. 标准错误输出不使用完全缓存。

上面的标准显然没有具体说明各种情况，一般来说：

1. 标准错误输出不适用缓存；
2. 其他流，如果关联终端，则使用行缓存，否则使用完全缓存。

我们可以使用函数setbuf和setvbuf函数更改流的缓存机制。

函数声明：

#include <stdio.h>

void setbuf(FILE* restrict fp, char* restrict buf);

int servbuf(FILE *restrict fp, char* restrict buf, int mode, size_t size);

函数返回值：

• OK：0；
• Error：非0

这些函数必须在流打开之后，其他流操作执行之前被调用。

函数作用：

setbuf可以打开或关闭缓存，打开缓存时，buf指向一个大小为BUFSIZ（stdio.h中定义的宏）的buffer，通常打开的时完全缓存，如果当前流关联的是终端设备，有的系统也会使用行缓存；

servbuf可以指定打开哪种类型的缓存。mode的参数可以取如下的值，如果指定为无缓存，则参数buf和size都会被忽略。

函数行为总结如下表所示：

通常来说，我们应该让系统自己选择buffer大小并自动分配，这样标准IO库会在关闭流时自动释放该内存。

flush函数。

函数声明：

#include <stdio.h>

int fflush(FILE *fp);

函数作用：

使得该流的所有缓存中未写入硬盘的数据传入内核中。

一种特殊情况是，如果fp为NULL，fflush会使得所有缓存的数据都被flush。

3 打开流（opening a stream）

函数fopen、freopen和fdopen函数用来打开一个标准输入输出流。

函数声明：

#include <stdio.h>

FILE *fopen(const char *restrict pathname, const char* restrict type);

FILE *freopen(const char *restrict pathname, const char *restrict type, FILE *restrict fp);

FILE *fdopen(int fd, const char *type);

函数细节：

• 函数fopen打开指定的文件；
• 函数freopen函数打开指定的文件到指定的流上，如果该流已经被打开，则先关闭该流；如果之前已经被打开的流设置了orientation，则清理。函数freopen通常用来打开文件到预定义的流上，如标准输入，标准输出或标准错误输出；
• fdopen输入一个文件描述符，将描述符关联到一个标准IO流上。函数fdopen的作用主要是为了将管道和网络连接关联到一个流上，而这些特殊类型的文件不能使用fopen函数打开，我们必须先用特定的函数获取文件描述符，然后用fdopen函数关联到一个流上。

参数type取值如下表所示，一共有15种取值，有得取值作用相同：

表格说明：

• 参数中的b字符为了让标准IO系统区分文本文件（text file）和二进制文件（binary file），因为内核并不区分文件文件和二进制文件，所以b字符并不影响内核的行为。
• 函数fdopen的参数type和其他的稍有不同。因为文件描述符已经被打开，所以打开文件流并不截断文件至长度为0。
• 标准IO库函数的append模式不可以用来创建新文件，因为要得到一个文件描述符，必须先打开一个存在的文件。
• 同样支持多进程同时以append模式写同一个文件。

当打开一个流对文件进行读写时，有两个限制：

• 输入后，如果不调用函数fflush, fseek, fsetpos或rewind的话，不可以紧接着进行输出。
• 输出后，如果不调用该函数fseek, fsetpos或rewind的话，不可以紧接着进行输入。

六种方式打开一个流总结如下表所示：

需要注意的一点是，当以w和a模式创建一个新文件时，并不能像open或create函数一样指定文件的权限标志位。

一种解决方法是通过调整我们的umask。

打开的流默认的是完全缓存，如果该流关联的是终端设备，则是行缓存。

像之前提到的那样，我们打开了一个流，并在其他操作之前，可以调用setbuf或setvbuf函数修改缓存方式。

关闭流

函数声明：

#include <stdio.h>

int fclose(FILE* fp);

函数细节，关闭流之前：

• 所有缓存待输出的数据都会被输出；
• 所有缓存带输入的数据都会被丢弃；
• 如果流使用的缓存是由标准IO库分配，则缓存会被释放；
• 如果进程正常终止，则所有缓存数据都会被flush（输出或者写入硬盘），并且所有打开的流都会被关闭。

4 读写一个流（Reading and Writing a Stream） 

当我们打开一个流，我们有三种读写方式可供选择：

• 一次一个字符读写
• 一次一行读写：使用函数fgets和fputs
• 直接读写：每次读写固定长度的数据，使用函数fread和fwrite。

输入函数

函数声明：

#include <stdio.h>

int getc(FILE* fp);

int fgetc(FILE* fp);

int getchar(void);

函数返回值：

• ok：下一个字符
• EOF：文件结尾，一般为-1
• error：负数

函数细节：

• getchar和getc不同的地方在于：前者一定实现为函数，而后者可以被实现为一个宏；
• 函数返回值将unsigned char转型为int，这里，unsigned是为了转型为int时不会是负数。返回整数的目的是为了让所有可能的值都可以返回，包括错误码和文件结尾；
• 文件结尾符EOF往往定义为负数，而错误码也是负数，因此我们无法从返回值上判断是到达了文件结尾还是报错。
• 为了区分上面的两种情况，我们需要调用函数ferror或者feof。

函数声明：

#include <stdio.h>

int ferror(FILE* fp);

int feof(FILE* fp);    // Both return: nonzero(true) if condition is true, 0(false) otherwise

void clearerr(FILE* fp);

在大多的实现中，FILE对象中会维护两个flag：

• 一个error flag
• 一个文件结尾符flag

这两个flag都可以通过调用clearerr清空。

读取一个流后，我们可以调用函数ungetc压回读出来的字符。

函数声明：

#include <stdio.h>

int ungetc(int c, FILE* fp);

函数返回值：c if OK, EOF on error

函数细节：只支持单个个字符的压回。

使用场景：

压回操作常使用在下面的场景：对于一个输入流，我们需要根据下一个字符来判断该如何处理当前的字符。

输出函数

输出函数和我们讨论过的输入函数一一对应，不再赘述。

函数声明：

#include <stdio.h>

int putc(int c, FILE* fp);

int fputc(int c, FILE* fp);

int putchar(int c);

5 逐行输入输出操作（Line-at-a-Time IO）

函数fgets和gets提供了逐行输入功能。

函数声明：

#include <stdio.h>

char *fgets(char* restrict buf, int n, FILE* restrict fp);

char *gets(char* buf);

函数细节：

• 两个函数都是读取一行数据至buffer中。
• 函数gets从标准输入流中读取，fgets从指定的输入流中读取。
• fgets需要我们指定缓冲区大小，读入的一行数据不得多于n-1个字符，以NULL结尾。如果fgets读取该行数据长度大于n，则该次只读取n-1个字符，并以null结尾，剩余的字符在下次调用fgets时读入。
• gets函数不推荐使用，因为它不做越界检查。

函数fputs和puts提供了逐行输出的功能。

函数声明：

#include <stdio.h>

int fputs(const char* restrict str, FILE* restrict fp);

int puts(const char* str);

函数细节：

• fputs函数将一个以null结尾的字符串输出到指定流中，最后的null byte并不输出；
• puts函数同样会输出一个以null结尾的字符串到标准输出，最后的null byte并不输出，输出结束后会输出一个换行符；
• 所以我们也不推荐使用puts函数，防止自动输出一个换行符，但是我们在使用fputs时要记得在必要的时候自己处理换行符。

6 标准输入输出效率分析

比较标准：

将一定量的数据从标准输入拷贝到标准输出，计算这一过程所需要的

• 用户CPU时间（User CPU）
• 系统CPU时间（System CPU）
• Clock time
• 程序文本大小

Code：

使用getc和putc的版本：

#include "apue.h"

 

int

main(void)

{

    int     c;

 

    while ((c = getc(stdin)) != EOF)

        if (putc(c, stdout) == EOF)

            err_sys("output error");

 

    if (ferror(stdin))

        err_sys("input error");

 

    exit(0);

}

使用fgets和fputs的版本：

#include "apue.h"

 

int

main(void)

{

    char    buf[MAXLINE];

 

    while (fgets(buf, MAXLINE, stdin) != NULL)

        if (fputs(buf, stdout) == EOF)

            err_sys("output error");

 

    if (ferror(stdin))

        err_sys("input error");

 

    exit(0);

}

测试数据：95.8M 3百万行

测试结果（和第三章中的数据进行了对比，之前跳过了该章节，可以自行查看一下）：

结果说明：

• 可以发现标准IO库函数User CPU时间都比read版本的最好时间要大，因为逐字符读写需要执行100million次循环，逐行读写需要执行3百万次循环，而第一行使用的read的最有版本执行了25224次循环；
• clock time的差异原因在于用户态时间的差异和等待IO完成的时间上的差异；
• System CPU时间基本和之前版本的相同，因为内核请求数基本相同。因此，在不关心buffer大小和分配，或者只需要关心一行buffer大小的使用下，获取了几乎最优的buffer选择。
• 最后一列显示了编译器编译后生成的汇编文件的大小。
• 逐行读写比逐字符读写快得多，因为fgets和fputs是用memccpy实现，memccpy函数用汇编来实现，效率更高。
• fgetc版本比read版本的最差时间（BUFFSIZE=1）要快得多，原因在于read版本会执行200million次函数调用，由于无缓存机制，所以相应的也会执行200million次系统调用，而fgetc版本也会执行200million次函数调用，但是由于缓存机制，只需要执行25224次系统调用。我们知道，系统调用的开销要比函数调用大得多。

7 小结

标准IO函数库分为两篇来介绍，本篇是第一篇，主要介绍了

• 流的基本概念
• 流的基本操作，包括打开、关闭、读写
• 对比了使用标准IO库的读写效率

参考资料：

《Advanced Programming in the UNIX Envinronment 3rd》