4.5. Последовательные текстовые файлы. Формат

Файлы – последовательные потоки символов

По умолчанию, файлы, с которыми работают стандартные функции ввода-вывода, являются последовательными текстовыми, т.е. представляют собой потоки символов в сложившейся стандартной системе представления текста «символ-байт» (см. 4.4). Другие формы представления данных в файле и способы работы с ними рассмотрены в 9.4,9.5.

Работа с файлами производится в сеансовом режиме. Это значит, что функция открытия файла устанавливает связь между открытым файлом и идентифицирующим его элементом в программе. Идентификатором файла (в некоторых библиотеках) может быть целое число (handle). В стандартной библиотеке используется указателе на структурированную переменную – описатель (дескриптор) файла в библиотеке типа FILE*. При выполнении операций чтения-записи и при закрытии файла нужно использовать этот идентификатор как параметр функций ввода-вывода.

Работа с текстовыми файлами имеет существенные ограничения. Файл можно открыть для использования только одного вида из перечисленных операций:

• чтение текста из существующего файла;

• запись текста во вновь создаваемый файл;

• добавление текста в существующий файл.

Для указания режима используется параметр - текстовая строка, которая имеет вид «r», «w» или «a» соответственно. Поэтому при изменении содержимого текстового файла его можно либо полностью переписать из входного в выходной, либо читать в память полностью и редактировать его там.

Стандартная библиотека ввода-вывода ориентирована на работу в режиме командной строки (консольного приложения). Стандартные потоки ввода-вывода (клавиатура, экран) представляют собой «файлы», открытые перед выполнением main. Они так и объявлены в библиотеке, а функции, работающие со стандартным вводом, представляют собой частный случай работы с файлами.

extern  FILE *stdin, *stdout, *stderr, *stdaux, *stdprn; // Имеется в stdio.h
#define  getchar() getc(stdin)

При запуске программы в режиме командной строки stdin и stdout могут быть перенаправлены на любые текстовые файлы (например, ввод из a.txt, вывод в c:\xx\b.txt).

test.exe <\a.txt>c:\xx\b.txt

Посимвольный ввод-вывод

Первая группа функций ввода-вывода передает «за один присест» по одному символу текста из потока или в поток.

Примечание: хотя функции и выполняют ввод отдельного символа, обычно он осуществляется в стандартном режиме построчного ввода, поддерживаемого операционной системой в режиме командной строки («эхо»-печать вводимых символов, редактирование строки). Поэтому в библиотеку строка попадает только полностью, после ввода символа «конец строки», а уже затем выдается в программу посимвольно. Для немедленного реагирования программы на введенный символ или отказ от эхо-печати необходимо пользоваться нестандартными библиотеками (например, conio.h).

В следующем примере производится посимвольное копирование входного файла в выходной. При обнаружении символа – латинской буквы цепочка букв копируется в буфер, а затем записывается в выходной файл в обратном порядке.

#include <stdio.h>


//---------------------------------------------------------------------------45-01.cpp

// "Перевертывание" идентификаторов

int isalpha(char cc) {

  return cc >= 'a' && cc <= 'z' || cc >= 'A' && cc <= 'Z';
}

void main() {

  char c[100];

  int i, j;

  FILE * fd1 = fopen("45-01.cpp", "r"); // Чтение файла

  FILE * fd2 = fopen("45-01.txt", "w"); // Создание и запись файла

  if (fd1 == NULL || fd2 == NULL) return;

  while ((c[0] = getc(fd1)) != EOF) { // Посимвольное чтение

    if (isalpha(c[0])) { // Первая буква слова

      i = 1; // Читать слово в массив

      char ss;

      while (isalpha(ss = getc(fd1))) c[i++] = ss;

      for (i--; i >= 0; i--) putc(c[i], fd2);

      putc(ss, fd2); // Вывести в обратном порядке

    } // а также символ – после слова                                                           
    else putc(c[0], fd2);

  }

  fclose(fd1);
  fclose(fd2);
}

Построчный ввод-вывод

При построчном вводе-выводе нужно учитывать, что строка в файле (потоке) и в памяти – не совсем одно и то же, в первом случае она является последовательностью символов произвольной длины, ограниченной символом '\n', а во втором случае она размещена в массиве заданной размерности и ограничена символом '\0'. Отсюда нюансы:

• при вводе-выводе все строки функции используют в качестве стандартного ограничителя строки в памяти символ '\0'. Символ конца строки '\n' уничтожается при стандартном вводе-выводе (gets - не записывает в строку, а puts автоматически добавляет при выводе) и сохраняется в строке при вводе-выводе из явно указанного файла (fgets - записывает в строку, fputs - выводит имеющийся в строке (сам не добавляет));

• при построчном вводе необходимо обеспечить соответствие между длиной строки в файле (которая, в принципе, может быть любой) и размерностью массива символом. Контроль за этим осуществляется так: функция задает размерность массива символов. Если строка короче, то она будет иметь в массиве два ограничителя – символы ‘\n’ и ‘\0’ (конец строки в потоке и в памяти), если же нет, то только символ ‘\0’. Если этот факт игнорировать, то длинные строки при чтении из файла будут «порезаны» на части.

Форматированный ввод-вывод Форматированный ввод-вывод позволяет программе обмениваться данными не только символьного типа (символы, фрагменты строки), но и числовыми данными базовых типов (целые, вещественные). При этом, естественно, происходит преобразование данных из внешней формы во внутреннюю – при вводе (и наоборот – при выводе) (см. 4.4). Кроме того, можно управлять размещением данных в выходном потоке (выравнивание, число позиций и т.п.).

Форматированный ввод

Форматная строка представляет собой шаблон, задающий выводимый в поток текст. В определенные места текста подставляются значения переменных из списка, следующего за форматной строкой. Место подстановки значения очередной переменной определяется символом «%» (спецификация формата). Спецификация имеет ряд необязательных параметров и один обязательный – тип подставляемой переменной. Ее вид - % [флаги][ширина][.точность][модификатор] тип.

Форматный ввод-вывод имеет ряд нюансов, понять которые можно, исходя из основного его назначения: сохранение данных различного вида в текстовых файлах, где формат определяет их размещение и, отчасти, внешний вид. Интерактивный ввод-вывод в режиме командной строки является для массового пользователя анахронизмом и используется «для внутреннего употребления» в системном программировании:

• в форматном вводе-выводе источником данных может быть, кроме файла, строка символов (функции sscanf,sprintf), они имеют дополнительный параметр – массив символов – источник данных;

• при форматном вводе функция читает ровно столько символов, сколько определяется спецификаторами ввода, а разделители возвращает во входной поток. Поэтому следует аккуратно «мешать» форматированный ввод с посимвольным и построчным. Например, если в строке содержится два целых числа, которые читаются функцией fscanf, то следующая функция fgets прочитает пустую строку, т.к. символ конца строки, ограничивающий второе число, будет возвращен во входной поток;

• тип s используется для ввода-вывода массивов символов (строк), но при этом ввод осуществляется либо по заданному в формате количеству символов, либо до первого разделителя (в качестве которых используются пробел, конец строки, табуляция (‘\t’), запятая, точка с запятой);

• функции форматного ввода требуют передачи указателей на переменные в списке (см.5.2), поэтому имена переменных должны предваряться операцией &;

• типы переменных в списке и обозначенные типы в форматной строке должны совпадать, иначе происходят ошибки во время выполнения программы, не обнаруживаемые транслятором.

Последовательность, заданная форматом

Посимвольная и построчная структура текста – это первый уровень организации последовательного файла. Следующий этап состоит в разбиении его на структурные единицы с более сложным порядком следования, называемом форматом. Формат - это описание варьируемой последовательности элементов, в которой значение текущего элемента может определять порядок следования идущих за ним. Таким образом, формат всегда является саморазворачивающимся. Способы организации порядка следования элементов в формате аналогичны способам организации порядка выполнения действий в управляющих структурах программ:

• последовательное размещение разных форматных единиц друг за другом;

• повторение нескольких форматных единиц в цикле с использованием счетчика повторений или элемента-ограничителя;

• выбор одной из нескольких форматных единиц в зависимости от значения элемента-селектора;

• вложенность: последовательность форматных единиц является составной частью формата верхнего уровня.

Элементы в форматной последовательности несут различную функциональную нагрузку:

• данные;

• ограничители;

• счетчики повторений;

• селекторы (идентификаторы типа), определяющие вид последующего формата или значения.

Определение последовательностей посредством формата применяется, если данные имеют варьируемую структуру или переменные размерности, а также для более эффективного (сжатого) представления данных. Рассмотрим несколько примеров простых форматов:

Вещественные значения в последовательности целых чисел. В последовательности, содержащей целые положительные числа и ограниченной значением 0, изредка встречаются вещественные числа. Обозначить их появление можно с помощью значения «-1», которое играет роль индикатора (идентификатор типа):

4 5 6 -1 2.55 3 3 -1 4.75 3 0

Последовательность с повторяющимися значениями. В последовательности, содержащей целые положительные числа и ограниченной значением 0, встречаются группы подряд идущих одинаковых значений. При ее сжатии в качестве идентификатора группы используется отрицательное значение, обозначающее число повторений следующего за ним положительного значения:

4 5 6 6 6 6 6 7 7 2 3 6 6 6 6 0 // до сжатия

4 6 -5 6 -2 7 2 3 -4 6 0 // после сжатия

Заметим сразу, что в языках программирования отсутствуют средства для описания форматных последовательностей в разделе описания данных, вместо этого она «зашивается» в алгоритмическую часть. Это следует из соответствия форматных единиц управляющим конструкциям языка: для каждой форматной единицы пишется соответствующий ее структуре оператор языка (последовательность, ветвление, цикл). Таким образом, структура управляющих конструкций программы (операторов) однозначно соответствует структуре читаемого ею формата, формат как бы «зашивается» в нее. Для иллюстрации используем приведенные выше примеры.

//---------------------------------------------------------------------------------------------45-04.cpp

// Чтение последовательностей различных форматов

double F1(char c[]) {

  FILE * fd = fopen(c, "r"); // Открыть файл

  double s = 0;

  while (1) { // Цикл чтения последовательности

    int v;

    double dd;

    fscanf(fd, "%d", & v); // Читать очередное значение

    if (v == 0) break; // Ограничитель - 0

    if (v > 0) s += v; // Если >0 - добавить к сумме

    else { // Если <0 - читать следующее

      fscanf(fd, "%lf", & dd);

      s += dd; // за ним - вещественное

    }
  }

  fclose(fd);
  return s;
}

//------------------------------------------------------------------------------------------------------

int F2(char c[], int d[]) {

  FILE * fd = fopen(c, "r"); // Открыть файл

  double s = 0;
  int n = 0;

  while (1) { // Цикл чтения последовательности

    int v;

    fscanf(fd, "%d", & v); // Читать очередное значение

    if (v == 0) break; // Ограничитель - 0

    if (v > 0) d[n++] = v; // Если >0 - добавить в массив

    else {

      int k = -v; // Если <0 - счетчик повторений

      fscanf(fd, "%d", & v); // Следующее значение - повторяющееся

      while (k-- != 0) // Цикл копирования повторяющегося

        d[n++] = v; // значения

    }
  }

  fclose(fd);
  return n;
}

Между конкретной последовательностью значений в формате и структурой программы, ее распознающей, имеется та же самая взаимосвязь, как между разверткой выполняемых программой действий во времени и ее программным кодом.