C语言读取二进制文件做十六进制转储时输出带ffffff前缀原因

问题背景 #

近期在尝试进行Game Boy存档修改，正在学习C语言环境下的二进制文件读取方法。已知char类型长度为1字节，因此编写如下代码读取文件字节内容：

#include <stdio.h>
#include <errno.h>
#include <string.h>
#include <unistd.h>

int main () {
   FILE *fp = NULL;
   char buffer[100];
   int filesize;

   fp = fopen("save file.srm", "r+"); // 打开存档文件
   if(fp == NULL) printf("File loading error number %i\n", errno); 
   fseek(fp, 0L, SEEK_END); // 指针移动到文件末尾获取文件大小
   filesize = ftell(fp);
   printf("Filesize is %i bytes\n",filesize);
   
   fseek(fp, 0, SEEK_SET); // 将读指针重置到文件开头
   fread(buffer, sizeof buffer, 1, fp); // 读取内容到缓冲区
   
   for(int i=70;i<80;i++) printf("%x\n", buffer[i]); // 打印指定区间字节
   
   fclose(fp);
   
   return(0);
}

实际运行输出 #

Filesize is 32768 bytes
ffffff89
66
ffffff85
2
2
ffffff8b
44
ffffff83
c
0

问题描述 #

预期读取到的单字节数值最大为0xff，即每行输出两位十六进制数，但实际输出中出现了ffffff89、ffffff8b这类超出单字节范围的数值，需要明确问题产生的具体原因。

问题根因 #

出现该现象是两个C语言规则共同作用的结果：

• char类型的符号性由编译器实现决定：在绝大多数x86、x86_64架构的常见编译器配置下，char默认是有符号类型，取值范围为-128~127。当读取到的字节值大于等于0x80（十进制128）时，存入有符号char变量会被识别为负数。
• 可变参数函数的整型提升规则：向printf这类支持可变参数的函数传入char类型值时，char会被自动提升为int类型。有符号类型的负值在做类型提升时会执行符号位扩展：例如字节值0x89存入有符号char后为-119，符号位扩展为32位int后值为0xffffff89，用%x按十六进制输出时就会显示前缀的多个f。

另外代码还存在一个隐藏问题：打开二进制文件使用了文本模式"r+"，在Windows等平台下文本模式会自动对换行、特殊EOF字符做转义处理，可能导致读取到的字节和文件实际内容不一致。

修正方法 #

• 将缓冲区类型从char改为unsigned char，明确使用无符号类型存储原始字节，从根源避免符号位扩展问题：unsigned char buffer[100];
• 二进制文件打开时使用二进制读写模式，将fopen的模式参数从"r+"改为"rb+"
• 如果需要固定输出两位十六进制数，可以将打印格式符从%x改为%02x，不足两位时自动前置补0。

内容的提问来源于stack exchange，提问作者Jojo