二进制文件导航异常：构建索引后无法按ID读取文本内容

现有文本文件poem.txt，内容为：

10some information#11some more information#12and some more information#

其中10、11、12是固定占2字节的句子ID。需要构建一个二进制索引文件，每条条目包含句子ID（2字节）、句子起始位置（int）、字符串长度（int），用于后续按ID读取对应句子。目前索引文件已生成，但按ID查询时始终提示“不存在该ID”，附上C++代码请求排查。

原代码：

#include <iostream>
#include <locale>
#include <string.h>

using namespace std;


int main()
{
    FILE *poem, *index;
    int N = 4096, len;
    char *str= new char[N];
    if (!(poem = fopen("poem.txt", "r")))
    {
        cout << "File not found";
        return 0;
    }
    fgets(str, N, poem);

index = fopen("index.txt", "w+b");

int pos1 = 2, pos_b;
char* pos = str+pos1, *pstr=str;
fwrite(pstr, sizeof(char), 2, index);
fwrite(&pos1, sizeof(int), 1, index);
for (int i = 2; *pstr != '\0'; ++i, pstr++) {
    if (*pstr == '#') {
        len = pstr - pos;
        fwrite(&len, sizeof(int), 1, index);
        pos = pstr + pos1;
        if (*(pstr+1)!='\0') {
           fputs("\n", index);
           fwrite(pstr+1, sizeof(char), 2, index);
           pos_b = i + 3;
           fwrite(&pos_b, sizeof(int), 1, index);
        }  
    }
}

pos_b = 0;
len = 0;
fseek(index, 0, SEEK_SET);
fseek(poem, 0, SEEK_SET);
char* id = new char[3], * id_f = new char[3], * sent = new char[N];
int have_id = 0;
cout << "Enter the id of the offer you want to read" << endl;
cin >> id;

while (!feof(index)) {
    fread(id_f, sizeof(char), 2, index);
     if (strcmp(id_f,id)==0) { 
        fread(&pos_b, sizeof(int), 1, index);
        fread(&len, sizeof(int), 1, index);
        fseek(poem, pos_b, SEEK_SET);
        fgets(sent, len + 1, poem);
        cout << sent << endl;
        have_id = 1;
        
    }
    else {
         fread(id_f, sizeof(char), 3, index);
    }
    
  //  fseek(index, 5, SEEK_CUR);
}
if (have_id == 0) {
    cout << "There is no such id" << endl;
}

fclose(index);
fclose(poem);
delete[] str;


return 0;
}

原代码存在多处逻辑错误，导致索引结构损坏、读取偏移异常，以下是关键问题点和修复方案：

1. 二进制索引混入文本换行符 #

构建索引时使用fputs("\n", index)插入换行符，二进制文件不能包含文本格式的换行，这会额外占用字节，导致后续读取时索引指针偏移，无法匹配ID。
修复：删除所有fputs("\n", index)代码。

2. 索引读取分支逻辑错误 #

当ID不匹配时，原代码用fread(id_f, sizeof(char), 3, index)跳过内容，这完全错误——每个索引条目结构是2字节ID + 4字节起始位置 +4字节长度（共10字节，假设int为4字节），不匹配时应跳过当前条目的起始位置+长度（即2个int，8字节）。
修复：将else分支改为fseek(index, sizeof(int)*2, SEEK_CUR);，直接跳过当前条目的剩余部分。

3. 字符串比较缺少终止符 #

id_f只读取了2字节ID，但strcmp要求字符串以'\0'结尾，否则会越界读取内存，导致比较结果错误。
修复：每次读取ID后手动添加终止符：id_f[2] = '\0';

4. 句子起始位置计算错误 #

原代码中pos_b = i +3计算下一个句子的起始位置完全错误，当*pstr是#时，下一个句子的起始位置应为(pstr - str) +1 +2（pstr是#的位置，pstr+1是下一个ID的起始，加2跳过ID）。
修复：重新计算起始位置，确保指向ID后的句子内容起始点。

5. feof循环条件误用 #

while (!feof(index))会导致最后一次读取失败后仍进入循环，引发错误读取。应使用读取ID的结果作为循环条件，判断是否成功读取到有效ID。
修复：将循环改为while (fread(id_f, sizeof(char), 2, index) == 2)。

修复后的完整代码 #

#include <iostream>
#include <cstring>
#include <cstdio>

using namespace std;

int main()
{
    FILE *poem, *index;
    const int N = 4096;
    int len;
    char *str = new char[N];

    // 打开原文本文件
    if (!(poem = fopen("poem.txt", "r")))
    {
        cout << "File not found";
        return 0;
    }
    fgets(str, N, poem);

    // 创建二进制索引文件（用.bin后缀明确二进制类型）
    index = fopen("index.bin", "w+b");
    if (!index) {
        cout << "Failed to create index file";
        fclose(poem);
        delete[] str;
        return 0;
    }

    char* pstr = str;
    // 处理第一个条目
    if (*pstr != '\0') {
        // 写入ID（2字节）
        fwrite(pstr, sizeof(char), 2, index);
        // 句子起始位置：跳过2字节ID
        int start_pos = 2;
        fwrite(&start_pos, sizeof(int), 1, index);
        // 找到第一个#，计算句子长度
        char* hash_pos = strchr(pstr, '#');
        if (hash_pos) {
            len = hash_pos - (pstr + 2); // 从ID后到#的长度
            fwrite(&len, sizeof(int), 1, index);
            pstr = hash_pos + 1; // 移动到下一个ID的起始
        }
    }

    // 处理后续条目
    while (*pstr != '\0') {
        // 写入当前ID（2字节）
        fwrite(pstr, sizeof(char), 2, index);
        // 句子起始位置：当前ID的位置 +2（跳过ID）
        int start_pos = (pstr - str) + 2;
        fwrite(&start_pos, sizeof(int), 1, index);
        // 找到下一个#
        char* hash_pos = strchr(pstr, '#');
        if (!hash_pos) break;
        len = hash_pos - (pstr + 2);
        fwrite(&len, sizeof(int), 1, index);
        pstr = hash_pos + 1;
    }

    // 重置文件指针，准备查询
    fseek(index, 0, SEEK_SET);
    fseek(poem, 0, SEEK_SET);

    char id[3] = {0}; // 自动初始化终止符
    char id_f[3] = {0};
    char* sent = new char[N];
    int have_id = 0;

    cout << "Enter the id you want to read: " << endl;
    cin >> id;

    // 循环读取索引条目
    while (fread(id_f, sizeof(char), 2, index) == 2) {
        id_f[2] = '\0'; // 添加字符串终止符
        if (strcmp(id_f, id) == 0) {
            int start_pos, len;
            fread(&start_pos, sizeof(int), 1, index);
            fread(&len, sizeof(int), 1, index);
            // 定位到句子起始位置，读取内容
            fseek(poem, start_pos, SEEK_SET);
            fread(sent, sizeof(char), len, poem);
            sent[len] = '\0'; // 添加终止符
            cout << "Sentence: " << sent << endl;
            have_id = 1;
            break; // 找到后直接退出循环
        } else {
            // 跳过当前条目的起始位置和长度（2个int）
            fseek(index, sizeof(int)*2, SEEK_CUR);
        }
    }

    if (!have_id) {
        cout << "There is no such id" << endl;
    }

    // 释放资源
    fclose(index);
    fclose(poem);
    delete[] str;
    delete[] sent;

    return 0;
}

额外优化点 #

• 将索引文件后缀改为.bin，明确是二进制文件，避免和文本文件混淆。
• 使用strchr替代手动循环找#，代码更简洁可靠。
• 添加了索引文件打开失败的判断，增强鲁棒性。
• 找到匹配ID后直接break，无需继续遍历索引。

内容的提问来源于stack exchange，提问作者Kit_ri