关于字符串输入输出的若干函数

在 C 语言中，通过 <stdio.h> 可以使用一些非常有帮助的函数来从标准输入流 (或文件流，本篇不涉及) 中读入字符串，或者向标准输出流 (或文件流) 中写入字符串。这篇笔记整理的是这些相关函数的异同以及适用场景。

标准输入流的使用

使用场景

区别一：是否限定读入字符数量

为了分析它们的用途，我们要考虑具体的使用场景和限制。通常，读入字符串的操作可以分为 限定长度 和 不限定长度 两种。后者因为可能导致缓冲区溢出 (buffer overflow) 进而产生对未分配内存的占用或是擦出程序中其它代码的数据，最终导致程序出错。所以前者应该是更为常用的，并且不易出错。

需要说明的是，这里的 限定长度 不是指定义存储字符串的容器变量时给定长度 (如定义一个字符数组)，而是要求控制输入的函数限制从标准输入流中取用字符的数量。

从这个角度，处理标准输入流输入的函数包括两类:

• 强制要求限定长度的: fgets() 和 gets_s()
• 不要求限定长度的:
  • 可选限定长度的: scanf()
  • 不能限定长度的: gets()

让我们来观察一段 C 语言代码和对应的汇编语句，然后分析为什么产生下列的输入和输出:

char str1[5];
char str2[5];
gets(str1);
gets(str2);
printf("[%s]", str1);
printf("[%s]", str2);

var_A= byte ptr -0Ah
var_5= byte ptr -5

push    rbp
mov     rbp, rsp
sub     rsp, 30h
call    __main
lea     rax, [rbp+var_5]
mov     rcx, rax
call    gets
lea     rax, [rbp+var_A]
mov     rcx, rax
call    gets

以下是输入和输出内容:

>>>> str1
>>>> str2 rewrite      
<<<< [rewrite][str2 rewrite]

>>>> 表示输入，<<<< 表示输出

从输入的内容来看，两个变量 str1 和 str2 的内容本应该分别是

• ['s', 't', 'r', '1', '\0']
• ['s', 't', 'r', '2', ' ']

但是却输出了:

• ['r', 'e', 'w', 'r', 'i', 't', 'e', '\0']
• ['s', 't', 'r', '2', ' ', 'r', 'e', 'w', 'r', 'i', 't', 'e', '\0']

显然，第一个字符串 str1 的值被第二个的内容给覆盖了。这一点从汇编代码中 var_5 的地址比 var_A 高 5 个字节可以看出。gets() 函数读取 str2 的输入 "str2 rewrite" 时，本身的 5 个字节全部被用尽 (['s', 't', 'r', '2', ' '])，后续读入的字符覆盖到了 str1 的地址空间 (['r', 'e', 'w', 'r', 'i'])，剩下的字符继续从栈顶地址开始往高地址处覆盖。最终进行打印时，str2 会打印完整内容，str1 会从被覆盖的地址处开始打印，直到超过栈顶遇到 '\0' 终结符。参见下面的图示可以了解这个过程:

从程序安全的角度来说，gets() 函数因为其潜在导致程序出错的风险，所以被 C11 标准废弃^[1]。如果使用 scanf("%s", str) 这样的形式，并且标准输入流当中不包含空白字符^[2]，本质上和 gets(str) 没有区别，都存在导致缓冲区溢出的风险。

因此，从标准输入流中读入字符串时，应该尽量使用带有长度限定的函数，或是使用长度限定标记。比如 scanf("%10s", str) 就相当于 gets_s(str, 10)，都实现了从标准输入流读入 10 个字符。

区别二：是否保留换行符

有时我们需要保留原始输入中的换行，便于在输出的时候保持原来输入的段落结构。但有时候我们只是需要每一行本身的内容，而不需要保留换行符 '\n'。针对这种场景，可以将这些函数划分为两类:

• 保留换行符: fgets()
• 不保留换行符: gets(), gets_s() 和 scanf()

值得注意的是，考虑到前面讨论过的各个函数对输入长度的限制，fgets() 只有在本次读取没有耗尽全部允许读入的字数时才能够保留换行符。一旦超过，也会被保留在输入流中，等待后续取用。

区别三：对空白字符的处理

在 输入字符串的长度超过允许读入的字符限制 时 (也就意味着排除了 gets() 函数)，如果读入的字符部分包含了空白字符^[2:1]，根据处理方式可以分为:

• 无差别结束输入捕获: scanf()
• 仅 '\n' 时结束输入捕获: fgets() 和 gets_s()

这一特性使得 scanf() 可以作为 Latin 字符集输入的最佳单词拆分函数，根据空格和换行进行拆分读取。而 fgets() 和 gets_s() 更适合按行处理的场景。

区别四：输入字符串超过长度限定的处理

注意，这里的字符串有一个前置条件：在长度不超过限定的范围内，不能包含换行符。我们面向这个场景提出对比，最主要是针对 fgets() 和 gets_s() 两个函数。

既然不能包含换行符，那么意味着输入字符串在超长之前会被毫无丢弃地保留下来。但是，当超长时：

• fgets() 会正常中断读入，剩余字符保留在输入缓冲区中;
• gets_s() 会使用 '\0' 将字符串清空 (只处理首字符)，然后 丢弃输入缓冲区剩余字符，并调用相应的“处理函数”。

所以，如果我们希望 在超长的情况下仍然能正常获取字符串，然后丢弃剩余内容，或者 只读入输入中的第一行，剩余内容不处理，就只能使用 fgets() 函数。但是如果一开始的前置条件不成立怎么办？让我们来进一步完善它吧！

进一步完善 fgets()

我们知道 fgets() 可以从标准输入流和文件流读入字符串，此时按照是否超过长度限定和是否包含换行符 '\n'：

1. 如果没有超过长度限定
   1. 遇到 '\n'，会结束读入，然后包含 '\n' 符号；
   2. 没有遇到 '\n'，会持续读入，直到输入耗尽；
2. 如果超过长度限定
   1. 遇到 '\n'，会结束读入，然后包含 '\n' 符号；
   2. 没有遇到 '\n'，会持续读入，直到输入到达长度限定。

那么我们的逻辑就是：

• Step 1: 当读入结束时，判断 fgets() 函数的返回值：
  • 如果是 NULL，结束；
  • 如果不是 NULL，跳转 Step 2
• Step 2: 从头开始遍历长度限定范围内的全部字符，直到当前字符为 '\0' 或 '\n'：
  • 如果是 '\n'，说明遇到换行。此时应该把当前字符改成 '\0'，然后结束 (剩余字符不处理)；
  • 如果是 '\0'，说明已经结束了，循环消耗流中的剩余字符直到为空。

以上是 C 语言中使用 stdio.h 提供的若干输入函数时需要注意的它们的限制、适用条件。请继续阅读另一部分关于输出函数的分享。

(未完待续)

---

1. 注意，是否允许带有 gets() 的函数取决于你所使用的库是否遵从 C11 标准，而不是具体的 GCC 编译器。 ↩︎

2. 空白字符包括但不限于空格符、空行符、换行符、制表符等。参见维基百科中的定义 Whitespace_character。 ↩︎ ↩︎