第18章指针与文件操作

课程目录第18章指针与文件操作

指针与文件操作：文件指针FILE*、文件读写中的指针操作、文件缓冲区与指针

文件操作，说白了就是让程序和磁盘上的数据打交道。很多初学者觉得文件操作就是fopen、fread、fwrite那几条API，背下来就行了。但我要说，如果你不理解背后的指针机制，迟早会踩坑。

我个人习惯把文件操作分成三个层次来理解：文件指针本身、读写过程中的位置指针、以及缓冲区里的隐式指针。咱们一个一个说。

1. 文件指针 FILE* 到底是什么？

很多人以为FILE*就是指向文件内容的指针。其实不是。FILE是一个结构体，里面装的是文件的各种状态信息。我当年刚入行时也犯过这个错，以为FILE*指向的是文件数据，结果用memcpy去拷贝，程序直接崩了。

FILE结构体里有什么？

文件描述符（整数，底层系统调用用）
文件读写位置指示器（当前位置偏移量）
缓冲区指针和缓冲区大小
错误标志和文件结束标志
操作模式（读、写、追加等）

// 典型的FILE结构体简化版
typedef struct {
    int   _fd;           // 文件描述符
    char* _buf;          // 缓冲区指针
    int   _bufsize;      // 缓冲区大小
    int   _pos;          // 当前读写位置
    int   _flags;        // 状态标志
    // ... 还有其他成员
} FILE;

你看，FILE结构体里本身就藏着指针——缓冲区指针。这个指针指向一块内存区域，用来暂存读写数据。为什么要这么做？因为磁盘I/O太慢了，一次读一个字节和一次读4KB，时间差了好几个数量级。

2. 文件读写中的位置指针操作

每个打开的文件都有一个隐形的“位置指针”，它记录着你当前读到或写到了文件的哪个位置。这个指针不是FILE*，而是FILE结构体里的一个整数偏移量。

我记得有一次做日志解析程序，需要反复读取同一个文件的某一段。我一开始每次都fopen/fclose，性能差得要命。后来改用fseek来回跳转，速度直接提升了10倍。

关键API：

ftell(FILE* fp) — 获取当前位置（返回long类型偏移量）
fseek(FILE* fp, long offset, int whence) — 设置位置
rewind(FILE* fp) — 回到文件开头，相当于fseek(fp, 0, SEEK_SET)
fgetpos/fsetpos — 处理大文件时用，支持64位偏移

#include <stdio.h>

int main() {
    FILE* fp = fopen("data.bin", "rb");
    if (!fp) return -1;

    // 获取文件大小
    fseek(fp, 0, SEEK_END);
    long filesize = ftell(fp);
    printf("文件大小: %ld 字节\n", filesize);

    // 回到开头读取
    rewind(fp);

    // 跳到第100个字节
    fseek(fp, 100, SEEK_SET);

    // 从当前位置往后跳50字节
    fseek(fp, 50, SEEK_CUR);

    // 从末尾往前跳20字节
    fseek(fp, -20, SEEK_END);

    fclose(fp);
    return 0;
}

这里有个坑：文本模式和二进制模式下，fseek的行为不一样。在Windows的文本模式下，换行符\r\n会被转换成\n，导致fseek计算的位置偏移不准确。我曾经因为这个bug排查了整整一个下午，最后发现是模式字符串写成了"r"而不是"rb"。

避坑指南：

二进制文件一定要用"b"模式打开，否则fseek可能不准
ftell返回long，在32位系统上最大只能表示2GB文件
fseek之后一定要检查返回值，失败时返回非0
不要对stdin、stdout、stderr使用fseek

3. 文件缓冲区与指针的微妙关系

文件缓冲区，说白了就是一块内存，用来暂存数据。标准I/O库默认会给每个打开的文件分配一个缓冲区。你调用fread/fwrite时，数据先到缓冲区，等缓冲区满了或者你主动fflush，才真正写入磁盘。

你想想看，这个缓冲区本质上就是一个字符数组，而操作这个数组自然离不开指针。FILE结构体里的_buf指针就指向这个缓冲区，_pos指针则记录当前在缓冲区中的位置。

// 手动设置缓冲区
#include <stdio.h>

int main() {
    FILE* fp = fopen("output.txt", "w");
    if (!fp) return -1;

    // 分配一个自定义缓冲区
    char mybuf[4096];
    setbuf(fp, mybuf);  // 设置全缓冲

    // 或者用setvbuf更灵活
    // setvbuf(fp, mybuf, _IOFBF, sizeof(mybuf));

    fprintf(fp, "这些数据会先写入缓冲区\n");
    fprintf(fp, "缓冲区满了或者fflush才会真正写入磁盘\n");

    // 强制刷新
    fflush(fp);

    fclose(fp);
    return 0;
}

三种缓冲模式：

模式	宏定义	行为
全缓冲	_IOFBF	缓冲区满了才刷新，普通文件默认
行缓冲	_IOLBF	遇到换行符就刷新，终端设备默认
无缓冲	_IONBF	每次读写都直接操作，stderr默认

嗯，这里要注意：如果你用setbuf传入自定义缓冲区，这个缓冲区的生命周期必须比FILE*长。我见过有人把局部数组传给setbuf，函数返回后缓冲区被销毁，FILE*还在用，结果就是野指针访问，程序随机崩溃。

4. 缓冲区与指针的实战案例

我曾经写过一个数据采集程序，需要从串口读取传感器数据并写入文件。一开始直接用fprintf逐行写入，结果发现数据有丢失。排查后发现是缓冲区没及时刷新，程序崩溃时缓冲区里的数据全丢了。

解决方案很简单：要么定期fflush，要么用setbuf(fp, NULL)设置无缓冲模式。但无缓冲模式性能太差，最后我选择了定时fflush + 信号处理的方式。

#include <stdio.h>
#include <signal.h>

FILE* g_fp = NULL;

void sig_handler(int signo) {
    if (g_fp) {
        fflush(g_fp);  // 崩溃前强制刷新缓冲区
    }
    exit(1);
}

int main() {
    signal(SIGSEGV, sig_handler);
    signal(SIGINT, sig_handler);

    g_fp = fopen("sensor.log", "w");
    if (!g_fp) return -1;

    // 设置行缓冲，每行都刷新
    setvbuf(g_fp, NULL, _IOLBF, 0);

    // 模拟数据采集
    for (int i = 0; i < 1000; i++) {
        fprintf(g_fp, "数据点 %d: 温度=%.2f\n", i, 25.0 + i * 0.1);
        // 行缓冲模式下，遇到\n会自动刷新
    }

    fclose(g_fp);
    return 0;
}

关于缓冲区指针的几个要点：

FILE结构体内部的缓冲区指针是隐式的，你不需要直接操作它
但理解它的存在，能帮你解释很多奇怪的现象（比如为什么fread后数据没立即写入文件）
多线程环境下，缓冲区操作不是线程安全的，需要加锁
fclose会自动刷新缓冲区并释放内部资源

5. 知识体系图

下面这张图把文件指针、位置指针和缓冲区指针的关系梳理清楚了。你看一眼就能明白这三者是怎么配合工作的。

从这张图可以看得很清楚：用户程序通过FILE*间接操作文件，FILE内部维护了位置指针和缓冲区指针。位置指针决定你读写的是文件的哪个位置，缓冲区指针决定数据暂存在哪里。系统调用层才是真正和硬件打交道的。

6. 总结几个实用经验

能用fread/fwrite就别用fgetc/fputc：批量读写效率高，减少系统调用次数
频繁读写小数据时考虑自己加一层缓冲区：标准库的缓冲区不一定适合你的场景
多进程写同一个文件要加锁：文件锁或者用O_APPEND模式打开
不要迷信fflush：它只保证数据到内核缓冲区，不保证写到磁盘（除非用O_SYNC）
文件操作一定要检查返回值：fopen返回NULL、fread返回0、fseek返回非0，都是出错的信号

指针与文件操作，说白了就是理解数据在内存和磁盘之间的流动。FILE*是入口，位置指针是坐标，缓冲区指针是缓存。搞懂了这三者的关系，文件操作这块你就拿捏住了。

公众号:蓝海资料掘金营，微信deep3321