Linux文件编程——read函数与lseek函数

一、read函数

在 Linux 文件编程中，read 函数是一个系统调用，用于从文件描述符（File Descriptor）指向的文件或设备中读取数据到缓冲区。它是 Unix/Linux 系统编程中实现底层 I/O 操作的核心函数之一。以下是 read 函数的详细使用方法和注意事项。

1. 函数原型

#include <unistd.h>

ssize_t read(int fd, void *buf, size_t count);

• 参数：
  • fd：文件描述符（通过 open 或 creat 等函数获得）。
  • buf：指向存储读取数据的缓冲区的指针。
  • count：要读取的最大字节数。
• 返回值：
  • 成功时返回实际读取的字节数（可能小于 count，例如到达文件末尾时返回 0）。
  • 失败时返回 -1，并设置 errno 表示错误原因。

2. 使用方法

基本示例

#include <unistd.h>
#include <fcntl.h>
#include <stdio.h>
#include <string.h>

int main() {
    int fd;
    char buf[256];
    ssize_t bytes_read;

    // 打开文件（只读模式）
    fd = open("example.txt", O_RDONLY);
    if (fd == -1) {
        perror("open failed");
        return 1;
    }

    // 读取数据
    bytes_read = read(fd, buf, sizeof(buf) - 1); // 保留一个字节给 '\0'
    if (bytes_read == -1) {
        perror("read failed");
        close(fd);
        return 1;
    }

    // 添加字符串终止符并打印
    buf[bytes_read] = '\0'; // 确保是字符串
    printf("Read %zd bytes: %s\n", bytes_read, buf);

    // 关闭文件
    close(fd);
    return 0;
}

关键步骤

1. 打开文件：
   • 使用 open 函数获取文件描述符，指定读取模式（如 O_RDONLY）。
2. 读取数据：
   • 调用 read(fd, buf, count)，将数据从文件读取到 buf 中。
   • 检查返回值，确保读取成功。
3. 处理数据：
   • 如果读取的是文本数据，通常需要手动添加字符串终止符 \0。
4. 关闭文件：
   • 使用 close(fd) 释放文件描述符。

3. 注意事项

(1) 返回值处理

• 正常情况：
  • 返回实际读取的字节数（可能小于 count，例如文件末尾或缓冲区不足）。
  • 返回 0 表示已到达文件末尾（EOF）。
• 错误情况：
  • 返回 -1，需检查 errno（如 EBADF、EINTR、EIO 等）。
• 示例代码（循环读取）：

ssize_t total_read = 0;
while (total_read < count) {
    ssize_t bytes_read = read(fd, buf + total_read, count - total_read);
    if (bytes_read == -1) {
        if (errno == EINTR) continue; // 被信号中断，重试
        perror("read failed");
        break;
    } else if (bytes_read == 0) {
        break; // EOF
    }
    total_read += bytes_read;
}

(2) 错误处理

• 常见错误包括：
  • EBADF：无效的文件描述符。
  • EINTR：被信号中断（需重试）。
  • EIO：底层 I/O 错误。
  • EAGAIN/EWOULDBLOCK：非阻塞模式下无数据可读（需结合 select/poll 使用）。
• 使用 perror 或 strerror(errno) 打印错误信息。

(3) 缓冲与非阻塞 I/O

• read 是无缓冲的（直接调用系统调用），但文件可能因缓冲设置（如 O_NONBLOCK）或设备特性而阻塞。
• 对于非阻塞文件描述符（如套接字），read 可能返回 EAGAIN 或 EWOULDBLOCK，需结合 select/poll 使用。

(4) 性能优化

• 批量读取（减少系统调用次数）。
• 使用 mmap 映射文件到内存（适合大文件随机访问）。
• 对于大文件，考虑 pread 进行分散/聚集读取（Scatter-Gather I/O）。

(5) 安全性

• 确保缓冲区 buf 的大小足够，避免缓冲区溢出。
• 验证文件描述符 fd 的合法性（如通过 fstat 检查）。
• 避免读取未初始化的数据或越界访问。

(6) 信号中断

• 如果 read 被信号中断（EINTR），通常需要重新尝试读取。

(7) 二进制 vs 文本数据

• read 是字节级操作，不关心数据格式（文本或二进制）。
• 读取文本时需手动处理换行符或编码问题。

4. 替代函数

• pread：在指定偏移量处读取（无需 lseek）。
• readv：聚集读取（将数据分散到多个缓冲区）。
• recv：网络编程中用于套接字的读取（支持标志位）。

5. 常见问题

(1) 为什么 read 返回的字节数小于 count？

• 文件末尾（EOF）。
• 缓冲区不足。
• 信号中断（EINTR）。
• 非阻塞 I/O 且无数据可读（EAGAIN/EWOULDBLOCK）。

(2) 如何确保读取完整数据？

• 循环读取，直到满足条件（如读取到特定分隔符或固定长度）。
• 示例（读取固定长度数据）：

#define FIXED_SIZE 1024
char buf[FIXED_SIZE];
ssize_t total = 0;
while (total < FIXED_SIZE) {
    ssize_t ret = read(fd, buf + total, FIXED_SIZE - total);
    if (ret <= 0) break; // 错误或 EOF
    total += ret;
}

(3) 如何处理大文件？

• 使用 mmap 映射文件到内存，避免频繁 read。
• 分块读取并处理。

6. 总结

read 是 Linux 文件编程的基础函数，使用时需注意：

1. 正确处理返回值：区分 EOF、错误和部分读取。
2. 错误处理：检查 errno 并处理信号中断。
3. 性能优化：批量读取、避免频繁系统调用。
4. 安全性：防止缓冲区溢出和非法访问。
5. 非阻塞 I/O：结合 select/poll 使用。

通过合理使用 read，可以高效、可靠地完成文件 I/O 操作。

二、lseek函数的使用方法

1.函数原型

#include <unistd.h>
off_t lseek(int fd, off_t offset, int whence);

• 参数：
  • fd：文件描述符。
  • offset：偏移量（字节数），可正可负。
  • whence：基准点，取值如下：
    • SEEK_SET：从文件开头偏移。
    • SEEK_CUR：从当前位置偏移。
    • SEEK_END：从文件末尾偏移。
• 返回值：成功时返回新的文件偏移量，失败时返回-1并设置errno。

2.典型用途

随机访问文件：通过定位到文件的任意位置进行读写。例如，读取文件第1024字节处的512字节数据：

int fd = open("data.dat", O_RDONLY);
lseek(fd, 1024, SEEK_SET); // 定位到文件开头后1024字节处
char buf[512];
read(fd, buf, sizeof(buf));
close(fd);

获取文件大小：通过定位到文件末尾，再获取当前偏移量：

int fd = open("file.txt", O_RDONLY);
off_t size = lseek(fd, 0, SEEK_END); // 偏移量为文件大小
printf("File size: %lld bytes\n", (long long)size);
close(fd);

创建空洞文件：通过将偏移量移动到超过当前文件大小的位置，再写入数据，中间的区域会被视为空洞（不占用磁盘空间）：

int fd = open("large_file.dat", O_CREAT | O_WRONLY, 0644);
lseek(fd, 1024 * 1024 * 1024 - 1, SEEK_SET); // 定位到1GB偏移处（最后一个字节）
write(fd, "", 1); // 写入一个字节，文件大小变为1GB
close(fd);

三、lseek函数的注意事项

1. 返回值检查
   • 成功时返回新的文件偏移量，失败时返回-1，不能用<0判断，因为偏移量可能是负的（如SEEK_CUR或SEEK_END为基准且offset为负时）。
   • 必须检查返回值以确保操作成功。
2. 文件类型限制
   • lseek仅适用于支持随机访问的文件（如普通文件），对管道、套接字等流式文件无效。例如，在管道或设备文件上调用lseek会失败，返回-1且errno=ESPIPE。
3. 偏移量溢出风险
   • 在32位系统中，off_t为4字节，偏移量超过2GB可能导致溢出。64位系统中，off_t为8字节，可处理更大的文件。
4. 并发与原子性
   • lseek是原子操作，多线程环境下无需额外同步，但读写操作仍需考虑线程安全。
5. 文件打开模式的影响
   • 如果文件以追加模式（O_APPEND）打开，lseek设置的偏移量对write操作无效，write仍会追加到文件末尾。

四、lseek与read函数的关系

• 协同工作

lseek用于调整文件的读写位置，read用于从当前位置读取数据。例如：

int fd = open("file.txt", O_RDONLY);
lseek(fd, 100, SEEK_SET); // 定位到第100字节
char buf[10];
read(fd, buf, sizeof(buf)); // 从第100字节开始读取10字节
close(fd);

• 文件偏移量的更新

read函数会更新文件的当前偏移量，而lseek可以显式地修改偏移量。两者共同决定了下一次读写操作的位置。

• 性能优化

在需要随机访问文件时，lseek可以避免不必要的顺序读取，提高效率。例如，在数据库文件中，通过lseek直接定位到指定记录的起始位置进行读写操作。

• 错误处理的关联性

如果lseek调用失败，后续的read操作可能会读取到错误的数据或返回错误。因此，必须在使用lseek后检查其返回值。