scanf() 和 strtol() / strtod() 在解析数字方面的区别

Question

注意：我完全重新设计了这个问题，以更正确地反映我设置赏金的目的。请原谅这可能造成的与已给出答案的任何不一致。我不想创建一个新问题，因为之前对此问题的回答可能会有所帮助。

---

我正在致力于实现一个 C 标准库，并且对该标准的一个特定角落感到困惑。

该标准根据 strtol 的定义定义了 scanf 函数系列接受的数字格式（%d、%i、%u、%o、%x）， strtoul 和 strtod。

该标准还规定，fscanf() 最多只会将一个字符放回到输入流中，因此 strtol、strtoul< 接受一些序列。 /code> 和 strtod 对于 fscanf 是不可接受的（ISO/IEC 9899:1999，脚注 251）。

我试图找到一些能够表现出这种差异的价值观。事实证明，十六进制前缀“0x”后跟一个非十六进制数字的字符就是两个函数系列不同的情况之一。

有趣的是，很明显没有两个可用的 C 库似乎在输出上达成一致。 （请参阅本问题末尾的测试程序和示例输出。）

我想听到的是在解析“0xz”时什么被认为是符合标准的行为？。最好引用标准中的相关部分来阐明观点。

#include <stdio.h>
#include <stdlib.h>
#include <assert.h>

int main()
{
    int i, count, rc;
    unsigned u;
    char * endptr = NULL;
    char culprit[] = "0xz";

    /* File I/O to assert fscanf == sscanf */
    FILE * fh = fopen( "testfile", "w+" );
    fprintf( fh, "%s", culprit );
    rewind( fh );

    /* fscanf base 16 */
    u = -1; count = -1;
    rc = fscanf( fh, "%x%n", &u, &count );
    printf( "fscanf:  Returned %d, result %2d, consumed %d\n", rc, u, count );
    rewind( fh );

    /* strtoul base 16 */
    u = strtoul( culprit, &endptr, 16 );
    printf( "strtoul:             result %2d, consumed %d\n", u, endptr - culprit );

    puts( "" );

    /* fscanf base 0 */
    i = -1; count = -1;
    rc = fscanf( fh, "%i%n", &i, &count );
    printf( "fscanf:  Returned %d, result %2d, consumed %d\n", rc, i, count );
    rewind( fh );

    /* strtol base 0 */
    i = strtol( culprit, &endptr, 0 );
    printf( "strtoul:             result %2d, consumed %d\n", i, endptr - culprit );

    fclose( fh );
    return 0;
}

/* newlib 1.14

fscanf:  Returned 1, result  0, consumed 1
strtoul:             result  0, consumed 0

fscanf:  Returned 1, result  0, consumed 1
strtoul:             result  0, consumed 0
*/

/* glibc-2.8

fscanf:  Returned 1, result  0, consumed 2
strtoul:             result  0, consumed 1

fscanf:  Returned 1, result  0, consumed 2
strtoul:             result  0, consumed 1
*/

/* Microsoft MSVC

fscanf:  Returned 0, result -1, consumed -1
strtoul:             result  0, consumed 0

fscanf:  Returned 0, result  0, consumed -1
strtoul:             result  0, consumed 0
*/

/* IBM AIX

fscanf:  Returned 0, result -1, consumed -1
strtoul:             result  0, consumed 1

fscanf:  Returned 0, result  0, consumed -1
strtoul:             result  0, consumed 1
*/

Answer 1

与 PL22.11（ANSI“C”）副主席 Fred J. Tydeman 在 comp.std.c 上的交流对此提供了一些线索：

fscanf

输入项定义为
最长的输入字符序列
[...] 是，或者是，的前缀
匹配输入序列。 (7.19.6.2 P9)

这使得“0x”成为作为匹配输入序列的前缀的最长序列。 （即使使用 %i 转换，因为十六进制“0x”的序列比十进制“0”更长。）

之后的第一个字符（如果有）
输入项目保持未读状态。 (7.19.6.2 P9)

这使得 fscanf 读取“z”，并将其作为不匹配放回（遵守脚注 251 的单字符推回限制）。

如果输入的项目不匹配
顺序，执行
指令失败：此条件是
匹配失败。 （7.19.6.2 P10）

这使得“0x”无法匹配，即fscanf不应该赋值，返回零（如果%x或%i< /code> 是第一个转换说明符），并将“z”保留为输入流中的第一个未读字符。

strtol

strtol（和 strtoul）的定义在一个关键点上有所不同：

主题序列定义为
的最长初始子序列
输入字符串，从第一个开始
非空白字符，即
预期的形式。 （7.20.1.4 P4，重点是我的）

这意味着 strtol 应该寻找最长的有效序列，在本例中为“0”。它应该将 endptr 指向“x”，并返回零作为结果。

Answer 2

我不相信解析会产生不同的结果。 Paugher 参考文献只是指出 strtol() 实现可能是一个不同的、更高效的版本，因为它可以完全访问整个字符串。

Answer 3

根据 C99 规范，scanf() 系列函数解析整数的方式与 strto*() 系列函数相同。例如，对于转换说明符 x 如下所示：

匹配可选签名
十六进制整数，其格式为
与该主题的预期相同
strtoul 函数的序列
base 参数的值 16。

因此，如果 sscanf() 和 strtoul() 给出不同的结果，则 libc 实现不符合要求。

您的预期结果是什么示例代码 应该有点不清楚，但是：

strtoul() 接受可选前缀 0x 或 0X if base 为 16，规范如下

主题序列定义为
的最长初始子序列
输入字符串，从第一个开始
非空白字符，即
预期的形式。

对于字符串 "0xz"，我认为预期形式的最长初始子序列是 "0"，因此值应该是 0 并且endptr 参数应设置为 x。

mingw-gcc 4.4.0 不同意，并且无法使用 strtoul() 和 sscanf() 解析字符串。原因可能是预期形式的最长初始子序列是 "0x" - 这不是有效的整数文字，因此不会进行解析。

我认为对标准的这种解释是错误的：预期形式的子序列应该始终产生有效的整数值（如果超出范围，则返回 MIN/MAX 值，并且errno 设置为 ERANGE）。

如果使用 strtoul() ，cygwin-gcc 3.4.4（据我所知使用 newlib）也不会解析文字，而是根据我对标准的解释来解析字符串 sscanf()。

请注意，我对标准的解释很容易出现您最初的问题，即标准仅保证能够 ungetc() 一次。要确定 0x 是否是文字的一部分，您必须提前读取两个字符：x 和后面的字符。如果不是十六进制字符，则必须将其推回。如果有更多标记需要解析，您可以缓冲它们并解决此问题，但如果它是最后一个标记，则必须 ungetc() 这两个字符。

我不太确定如果 ungetc() 失败，fscanf() 应该做什么。也许只是设置流的错误指示器？

Answer 4

总结一下解析数字时根据标准应该发生的情况：

• 如果 fscanf() 成功，结果必须与通过 strto*() 获得的结果相同

• 与 strto*() 相比，fscanf() 会在以下情况下失败：

  <块引用>

  最长的输入字符序列[...]，它是匹配输入序列或者是匹配输入序列的前缀

  根据fscanf()的定义不是

  <块引用>

  具有预期形式的最长初始子序列[...]

  根据 strto*()

  的定义，

这有点难看，但这是 fscanf() 要求的必然结果 应该是贪婪的，但不能推回多个字符。

一些库实现者选择了不同的行为。在我看来，

• 让 strto*() 无法使结果一致是愚蠢的（bad mingw），
• 会推回多个字符，因此 fscanf()接受 strto*() 接受的所有值违反了标准，但也是合理的（为 newlib 欢呼，如果他们没有搞砸 strto*() :(< /em>）
• 不推回不匹配的字符，但仍然只解析“预期形式”的字符，这似乎很可疑，因为字符消失在空气中（坏glibc）

Answer 5

我不确定我是否理解这个问题，但一方面 scanf() 应该处理 EOF。 scanf() 和 strtol() 是不同种类的野兽。也许您应该比较 strtol() 和 sscanf() ？

Answer 6

我不确定 scanf() 的实现与 ungetc() 有何关系。 scanf() 可以用完流缓冲区中的所有字节。 ungetc() 只是将一个字节推入缓冲区末尾，并且偏移量也会更改。

scanf("%d", &x);
ungetc('9', stdin);
scanf("%d", &y);
printf("%d, %d\n", x, y);

如果输入为“100”，则输出为“100, 9”。我不明白 scanf() 和 ungetc() 如何相互干扰。抱歉，如果我添加了天真的评论。

Answer 7

对于 scanf() 函数以及 strtol() 函数的输入，在秒中。 7.20.1.4 P7表示：如果主题序列为空或不具有预期形式，则不执行转换； nptr的值存储在endptr指向的对象中，前提是endptr不是空指针。此外，您还必须考虑解析根据 Sec 规则定义的标记的规则。 6.4.4 常量，Sec. 中指出的规则。 7.20.1.4 P5。

其余的行为，例如 errno 值，应该是特定于实现的。例如，在我的 FreeBSD 机器上，我得到了 EINVAL 和 ERANGE 值，在 Linux 下也会发生同样的情况，其中标准引用仅指向 ERANGE errno 值。

Answer 8

重写问题后答案已过时。评论中有一些有趣的链接。

---

如果有疑问，请编写测试。 ——谚语

在测试了我能想到的转换说明符和输入变体的所有组合之后，我可以说两个函数系列没有给出相同的结果是正确的。 （至少在 glibc 中，这是我可用于测试的。）

当满足三种情况时就会出现差异：

1. 您使用 "%i" 或 "%x" (允许十六进制输入）。
2. 输入包含（可选）"0x" 十六进制前缀。
3. 十六进制前缀后面没有有效的十六进制数字。

示例代码：

#include <stdio.h>
#include <stdlib.h>

int main()
{
    char * string = "0xz";
    unsigned u;
    int count;
    char c;
    char * endptr;

    sscanf( string, "%x%n%c", &i, &count, &c );
    printf( "Value: %d - Consumed: %d - Next char: %c - (sscanf())\n", u, count, c );
    i = strtoul( string, &endptr, 16 );
    printf( "Value: %d - Consumed: %td - Next char: %c - (strtoul())\n", u, ( endptr - string ), *endptr );
    return 0;
}

输出：

Value: 0 - Consumed: 1 - Next char: x - (sscanf())
Value: 0 - Consumed: 0 - Next char: 0 - (strtoul())

这让我很困惑。显然 sscanf() 不会在 'x' 处退出，否则它将无法解析任何 "0x " 前缀的十六进制。因此它读取了 'z' 并发现它不匹配。但它决定仅使用前导 "0" 作为值。这意味着将 'z' 和 'x' 向后推。 （是的，我知道我在这里使用它来方便测试，它不在流上运行，但我强烈假设他们制作了所有 ...scanf() 为了保持一致性，函数的行为相同。）

所以...单字符 ungetc() 并不是真正的原因，这里... ?:-/

是的，结果不同< /强>。但我仍然无法正确解释它......:-(