C++读取二进制文件出现乱码：求原因分析与解决方案

问题背景 #

生成二进制文件的代码 #

#include <fstream>
int main() {
    unsigned char buf[] = {
        0x06, 0x00, 0x00, 0x00, 0x62, 0x6f, 0x79, 0x31, 0x00, 0x00, 0x00, 0x00,
        0x6d, 0x0f, 0x00, 0x00, 0xc8, 0x42, 0x9a, 0x99, 0xd9, 0x3f, 0x62, 0x6f,
        0x79, 0x32, 0x00, 0x00, 0x00, 0x00, 0x6d, 0x10, 0x00, 0x00, 0xa0, 0x42,
        0x9a, 0x99, 0xd9, 0x3f, 0x62, 0x6f, 0x79, 0x33, 0x00, 0x00, 0x00, 0x00,
        0x6d, 0x11, 0x00, 0x00, 0x70, 0x42, 0x9a, 0x99, 0xd9, 0x3f, 0x62, 0x6f,
        0x79, 0x34, 0x00, 0x00, 0x00, 0x00, 0x6d, 0x12, 0x00, 0x00, 0x20, 0x42,
        0x9a, 0x99, 0xd9, 0x3f, 0x67, 0x69, 0x72, 0x6c, 0x31, 0x00, 0x00, 0x00,
        0x66, 0x13, 0x00, 0x00, 0x48, 0x42, 0x9a, 0x99, 0xd9, 0x3f, 0x67, 0x69,
        0x72, 0x6c, 0x32, 0x00, 0x00, 0x00, 0x66, 0x13, 0x00, 0x00, 0x48, 0x42,
        0x9a, 0x99, 0xd9, 0x3f};
    std::ofstream fout("input", std::ofstream::binary);
    fout.write((char *)buf, sizeof(buf));
    fout.close();
    return 0;
}

文件结构 #

首字节0x06表示记录总数，后续每条记录包含：

• name：8字节
• gender：1字节（'m'或'f'）
• age：4字节
• weight：4字节（float）
• height：4字节（float）

定义的读取结构体 #

struct Person{
    unsigned char name[8];
    unsigned char gender;
    unsigned int age;
    float weight,height;
}person[100];

读取代码 #

using namespace std;
ifstream fin;
fin.open("input",ios::binary);

int n;
fin.read(reinterpret_cast<char*>(&n),sizeof(n));

for(int i=0;i<n;i++)
     fin.read(reinterpret_cast<char*>(&person[i]),sizeof(person[i]));

输出乱码情况 #

输出代码：

for(int i=0;i<n;i++)
     cout<<person[i].name<<' '<<person[i].gender<<' '<<person[i].age<<' '<<person[i].weight<<' '<<person[i].height<<endl;

输出结果：

boy1  2577023688 7.00208e+28 1.81062e-41
 � 863596386 0 6.25119e-42
pB���?boy4  309133312 40 1.7
girl1  2577023560 1.74727e+25 4.63068e-39
 � 0 0 0
  0 0 0

问题原因 #

1. 记录数读取方式错误 #

文件首字节是单字节的记录数（0x06），但代码中用int n读取了4字节，会把后续3个0x00也读入n。虽然小端系统下n的值碰巧是6，但这一步已经消耗了4字节（正确应该只消耗1字节），导致后续所有记录的读取位置直接偏移了3字节，数据完全错位。

2. 结构体内存对齐导致字节偏移 #

C++编译器会自动对结构体成员进行内存对齐以提升访问效率：

• name[8]占8字节（已满足对齐要求）
• gender占1字节，为了让后面的age（4字节）对齐到4字节边界，编译器会在gender后填充3个空字节
  最终sizeof(Person)为24字节，但文件中每条记录实际只有21字节（8+1+4+4+4），每次读取24字节会跨记录读取，进一步加剧数据混乱。

解决方案 #

1. 修正记录数读取逻辑 #

改用单字节类型读取记录数，避免多读取字节：

unsigned char count;
fin.read(reinterpret_cast<char*>(&count), sizeof(count));
int n = static_cast<int>(count);

2. 取消结构体内存对齐 #

通过编译器指令强制结构体按1字节对齐，消除填充字节：

// 兼容MSVC、GCC、Clang的写法
#pragma pack(push, 1)
struct Person{
    unsigned char name[8];
    unsigned char gender;
    unsigned int age;
    float weight,height;
} __attribute__((packed)) person[100];
#pragma pack(pop)

3. 手动逐个读取成员（更安全） #

如果不想依赖编译器指令，可逐个读取结构体成员，完全规避对齐问题：

for(int i=0;i<n;i++){
    fin.read(reinterpret_cast<char*>(person[i].name), sizeof(person[i].name));
    fin.read(reinterpret_cast<char*>(&person[i].gender), sizeof(person[i].gender));
    fin.read(reinterpret_cast<char*>(&person[i].age), sizeof(person[i].age));
    fin.read(reinterpret_cast<char*>(&person[i].weight), sizeof(person[i].weight));
    fin.read(reinterpret_cast<char*>(&person[i].height), sizeof(person[i].height));
}

4. 验证结果 #

修正后，输出会显示正确的内容，例如：

boy1 m 15 70.5 1.7
boy2 m 16 68 1.7
boy3 m 17 65 1.7
boy4 m 18 60 1.7
girl1 f 19 62 1.74
girl2 f 19 62 1.74

内容的提问来源于stack exchange，提问作者Rodri