7

在 C++ 中，我们有一种在文件中搜索文本的方法。它通过将文件读取到变量并使用 strstr 来工作。但是当文件变得非常大时，我们遇到了麻烦。

我想我可以通过使用_popen调用find.exe来解决这个问题。它可以找到，除非这些条件都为真：

  • 该文件的类型为 unicode (BOM=FFFE)
  • 该文件正好是 4096 字节
  • 您正在搜索的文本是文件中的最后一个文本

要重新创建，您可以这样做：

  1. 打开记事本
  2. 插入 2046 X，然后在末尾插入 A
  3. 另存为test.txt，编码=“unicode”
  4. 验证文件是否正好是 4096 字节
  5. 打开命令提示符并输入：find "A" /c test2.txt -> No hits

我也试过这个：

  • 添加或删除 X，您将获得成功（文件不再是 4096 字节）
  • 另存为 UTF-8（并添加足够的 X 以使文件再次变为 4096 字节），然后您就会成功
  • 在文件中间搜索一些东西（文件仍然是 unicode 和 4096 字节），你就会成功。

这是一个错误，还是我遗漏了什么？

4

1 回答 1

4

非常有趣的错误。

这个问题让我在 XP 和 Win 7 上做了一些实验——行为是不同的。

经验值

ANSI - FIND 无法在单行上读取超过 1023 个字符（1023 个字节）。FIND 可以匹配超过 1023 个字符的行，只要搜索字符串在第 1024 个之前匹配。匹配的行打印输出在 1023 个字符后被截断。

Unicode - FIND 无法在一行中读取超过 1024 个字符（2048 个字节）。FIND 可以匹配超过 1024 个字符的行，只要搜索字符串在第 1025 个之前匹配。匹配的行打印输出在 1024 个字符后被截断。

我觉得很奇怪，XP 上 Unicode 和 ANSI 的行限制不是相同的字节数，也不是简单的倍数。以字节表示的 Unicode 限制是 ANSI 限制的 2 倍加 1。

注意：匹配长行的截断也会截断换行符，因此下一个匹配行看起来会附加到上一行。如果您使用 /N 选项，您可以判断它是一个新行。

窗口 7

ANSI - 我没有找到可以搜索的最大行长度的限制（尽管我没有很努力地尝试）。任何超过 4095 个字符（4095 个字节）的匹配行在 4095 个字符后被截断。FIND 可以成功搜索一行中超过 4095 个字符，只是无法显示所有字符。

Unicode - 我没有找到可以搜索的最大行长度的限制（尽管我没有很努力地尝试）。任何超过 2047 个字符（4094 个字节）的匹配行在 2047 个字符后被截断。FIND 可以成功搜索一行超过 2047 个字符，只是无法显示所有字符。

由于 Unicode 字节长度始终是 2 的倍数，并且最大 ANSI 可显示长度是奇数，因此 Unicode 的最大可显示行长度（以字节为单位）比 ANSI 小一是有意义的。

但是还有奇怪的 Unicode 错误。如果 Unicode 文件长度是 4096 字节的整数倍，则无法搜索或打印最后一个字符。文件包含单行还是多行都没有关系。它仅取决于总文件长度。

我发现有趣的是 4096 错误的倍数在最大可打印行长度（以字节为单位）之一之内。但我不知道这些行为之间是否有关系，或者仅仅是巧合。

注意：匹配长行的截断也会截断任何换行符，因此下一个匹配行看起来会附加到前一行。如果您使用 /N 选项，您可以判断它是一个新行。

于 2013-04-12T04:51:44.207 回答