C语言read函数的那些坑

　　今天在复习unix文件系统，用到那个read函数，但是无意中却掉到一个坑里了，用了一个多小时才找到问题根源，这里记录一下。

　　问题是这样的：我需要使用read和write函数把键盘输入的信息复制到输出。所以我写了如下程序：

#include<stdio.h>
#define maxsize 10
int main(void)
{
    char c;
    char buf[maxsize];
    int n;
    while((n = read(0,buf,maxsize)) > 0)//  海燕高尔基在苍茫的大海上狂风卷积
        write(1,buf,n);//从buf中输出n个字节的信息到标准输出中return 0;
}

　　输入”helloworld“检测，好像没问题。但是当我输入”海燕高尔基在苍茫的大海上狂风卷积“却发现不太对了，这是个什么操作？？

helloworld
helloworld
海燕高尔基在苍茫的大海上狂风卷积
海燕高尔基海上狂风卷

　　为什么后面那个它中间有几个字掉队了？经过多次测试我发现，如果输入的是英文字符就没问题，而中文字符字节数只要超过了那个maxsize就会出问题。我一度认为，是因为读取一次read后，内存中数据对齐导致的，所以我换了几种组合，中文加英文，但是还是有问题。于是没办法，只能去读函数的原型和定义的相关描述了。函数的原型是长下面这样的：

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

　　该函数每次调用成功返回读取的字节数，出错返回-1并设置errno，如果在调read之前已到达文件末尾，则这次read返回0。参数count是请求读取的字节数，读上来的数据保存在缓冲区buf中，同时文件的当前读写位置向后移。注意这个读写位置和使用c标准i/o库时的读写位置有可能不同，这个读写位置是记在内核中的，而使用c标准i/o库时的读写位置是用户空间i/o缓冲区中的位置。

　　为了检测我读取到的到底是多少个字节，我把程序修改如下：

#include<stdio.h>
#define maxsize 10
int main(void)
{
    char c;
    char buf[maxsize];
    int n;
    while((n = read(0,buf,maxsize)) >= 0)//  海燕高尔基在苍茫的大海上狂风卷积
    {
        printf("%d\n",n);
        write(1,buf,n);//从buf中输出n个字节的信息到标准输出中
        putchar('\n');
    }
    return 0;
}

　　我很疑惑的发现：每次读到的的确是maxsize个字节的数据，也把这对应的数据输出了，但是在一次循环后，中间还是跳过了maxsize个字节的数据没输出。

海燕高尔基在苍茫的大海上狂风卷积
10
海燕高尔基
10
海上狂风卷

　　

　　到底是什么导致了这一现象呢？我怀疑是字符与字节的问题，但是说不上到底是那个函数在处理这个出问题了。所以我另外写了一个函数测试。

#include<stdio.h>
int main(void)
{
    char buf[4];
    char c ;
    int i;
    for(i = 0;i < 3;++i)
    {
        read(0,buf,2);
        buf[2] = '\0';
        printf("%s\n",buf);

        read(0,buf,2);
        buf[2] = '\0';
        printf("%s\n",buf);
    }
}

　　我三次分别输入 ”好的\n"   "好的h"  “好hj”，其输出如下：

好的
好



好的h
好
h

好hj
好
j

　　我发现，其实在读取的时候，数据是没有任何问题的：一个中文占了两个字节，所以第一组测试数据的两个字节读了前两个字节 "好" 字并输出了，但是它下一个竟然不是读第三个字节和第四个字节的 "的" 字，而是把回车读进去并输出了！（每次输出都本来会输出一个空格，这里共输出了四个空格）

　　而第二组测试数据也是首先读两个字节，输出 "好" ，而第二次读取的两个字节分别是 'h' 和 '\n' 。

　　第三组数据前两个字节读的是 "好" ，而后两个字节读的分别是 'j' 和 '\n' 。

　　其实到这里，问题已经不难看出了，当我们使用read函数去读取数据时，它会按照你提供的count去读取count个字节的数据，同时文件指针后移，但是文件指针移动并非是以字节为单位来移动的！！！而是以字符为单位来移的。（这里说的字符并非只是char类型的，还包括了宽字符。我把它们都叫字符）。所以这也就导致了我最开始的那个错误。

海燕高尔基在苍茫的大海上狂风卷积
10
海燕高尔基
10
海上狂风卷

　　它读取了10个字节的数据，也就是读到了5个中文字；然后它把文件指针往后移动10个字符，所以在第一次调用read函数之后，文件指针已经指向了第十一个字符，也就是 "海" 字。所以下一次读取就是从这个位置开始了。