C语言中为什么不能用char类型来存储getchar()的返回值

ゝ一纸荒年。 2021-11-26 12:58 277阅读 0赞

在看 <<The C Programming Language>> 第二版时，看到1.5.1节第18页有这样一段从输入拷贝到输出的代码：

![复制代码][copycode.gif]

#include <stdio.h>
    
    /* copy input to output; 2nd version */
    main()
    {
        int c;
        c = getchar();
        while(c != EOF){
            putchar(c);
            c = getchar();
        }
    }

![复制代码][copycode.gif]

直觉告诉我getchar返回值应该是char类型的，这个地方为什么不能用char类型来存储getchar()的返回值呢？

其实文中解释的很清楚，可当时没有看明白：

在键盘或者屏幕上的字符都是用char类型存储的，当然也可以用int类型来存储。这个地方使用int来存储字符有一个微妙但很重要的原因：为了把有效数据和输入的结束(EOF)区分开来。getchar()在没有更多输入数据时返回一个特殊值，这个值不会跟任何实际的字符混淆。这个值称为 EOF（end of file,文件结束）。我们必须把c变量声明成一个大到足够存储任何getchar()返回的值的类型。我们不能用char类型，因为c必须大到足够容纳任意可能的char还有EOF。因此我们使用int类型。

如果你看到这里就明白了，或者早就知道原因，那可以不用接着看了。下面是我理解这个原因的思路。

#### 　　1. getchar的函数声明 ####

虽然看着getchar()，直觉告诉我这应该返回char类型吧，但还是让我们看看C语言中 [getchar() ][getchar_]的函数声明：

int getchar ( void );

嗯？返回值是int？（不靠谱的直觉啊）在Linux下输入命令：man getchar(),结果更加详细：

![复制代码][copycode.gif]

NAME
           fgetc, fgets, getc, getchar, gets, ungetc - input of characters and strings
    [...]
        DESCRIPTION
           fgetc()  reads  the  next character from stream and returns it as an unsigned char cast to an int, or EOF on
           end of file or error.

![复制代码][copycode.gif]

这样我们就明白了，getchar()从标准输入(stdin)流中读取一个字符，把它当作一个unsigned char,然后强制转化成int类型来做为返回值，如果遇到文件末尾或者错误，返回EOF。

#### 　　2. EOF是什么 ####

用google搜索时，首先看到了这样的一个帖子: [EOF的定义和如何有效的使用它][EOF]：

EOF不是：

*  　一个char类型 （a char)
 *  不是一个在文件末尾出现的值 (a value that exists at the end of a file)
 *  不是一个可能在文件中间出现的值(a value that could exist in the middle of a file)

[C99标准][C99]规定(见 7.19.1 Introduction)：

EOF
        which expands to an integer constant expression, with type int and a negative value, that
    is returned by several functions to indicate end-of-file,that is, no more input from a
    stream;

好，我们明白了 EOF 是一个宏，展开后为一个整型常量表达式(integer constant expression),是int类型(C语言中整数常量是int类型的)，而且值是负值。一些函数用它作为返回值，表示流中没有更多的输入。

让我们去定义它的头文件<stdio.h>中去看看：

#define EOF     (-1)

那么 EOF 在计算机中十六进制表示形式是 0xFFFFFFFF（有符号数在计算机中是一般用[补码(two's-complement)][two_s-complement]表示）。通过getchar函数的定义，我们知道getchar() 从标准输入(stdin)流中读取一个unsigned char类型的字符0xXX，然后强制转化成int 类型 0x000000XX(对无符号数，进行零扩展)，此时这个值是大于等于零的。

所以，EOF（0xFFFFFFFF)不可能出现在文件中间(文本文件中），它与字符(character)是截然不同的值。

#### 　　3.使用char类型存储getchar()这类函数的返回值　　 ####

![复制代码][copycode.gif]

/* copy input to output; 2nd version */
    main()
    {
        char c;
        c = getchar();
        while(c != EOF){
            putchar(c);
            c = getchar();
        }
    }

![复制代码][copycode.gif]

上述这段代码中，c = getchar(); 会将getchar（）的返回值int强制转化为char类型，就将32位的int截断为8位的char。之后的 c != EOF，又会将c强制转化为int类型，就将8位的char类型进行扩展,扩展为32位int类型。在扩展时，如果char类型为无符号数，进行零扩展，如果char类型为有符号数，进行[符号扩展][Link 1]。下面的两个表分别展示了上面的这两个转换过程。为了制表方便，假设int是16位。

![复制代码][copycode.gif]

---------------------------------      ----------------------------------------------
    |    int到char转化（截断）                |      |              char到int转化（扩展）      |
    ---------------------------------      ----------------------------------------------
    | 十进制   |  int        |  char |      |  char |unsigned char=>int| signed char=>int|
    |---------|-------------|-------|      |-------|------------------|-----------------|
    |  2      |00 00 00 02  |  02   |      |  02   |  00 00 00 02     |00 00 00 02      |
    |  1      |00 00 00 01  |  01   |      |  01   |  00 00 00 01     |00 00 00 01      |
    |  0      |00 00 00 00  |  00   |      |  00   |  00 00 00 00     |00 00 00 00      |
    | EOF(-1) |FF FF FF FF  |  FF   |      |  FF   |  00 00 00 FF     |FF FF FF FF      |
    |  -2     |FF FF FF FE  |  FE   |      |  FE   |  00 00 00 FE     |FF FF FF FE      |
    --------------------------------       ----------------------------------------------

![复制代码][copycode.gif]

可见，如果char是无符号的，那么上面那段代码中，当getchar()返回EOF时，c!=EOF 条件仍然满足。此时程序不能正常终止。

大家能不能自己写代码验证一下C语言中从char到int的、int到char的强制类型转化呢？

PS：

[MSVC中char类型默认是有符号的char类型，可以在编译时加入 /J 参数来把默认的char类型从signed char 改变到 unsigned char][MSVC_char_char_ _J _char_signed char _ unsigned char]

gcc中，char类型默认也是有符号的，可以在编译时加入参数 -funsigned-char 或者 -fsigned-char 来指定char的符号类型。

参考资料：

深入理解计算机系统 第二章 2.2 整数表示

[copycode.gif]: /images/20211126/a8a25e4a7f934997930498f93f3d2f4a.png
[getchar_]: http://www.cplusplus.com/reference/cstdio/getchar/
[EOF]: http://faq.cprogramming.com/cgi-bin/smartfaq.cgi?answer=1048865140&id=1043284351
[C99]: http://www.open-std.org/jtc1/sc22/wg14/www/docs/n1256.pdf
[two_s-complement]: http://zh.wikipedia.org/wiki/%E4%BA%8C%E8%A3%9C%E6%95%B8
[Link 1]: http://en.wikipedia.org/wiki/Sign_extension
[MSVC_char_char_ _J _char_signed char _ unsigned char]: http://msdn.microsoft.com/en-us/library/0d294k5z%28v=vs.100%29.aspx