C语言读取CSV逐行存储为字符串数组时sscanf失效问题解决
代码运行异常的核心原因
当前程序从类型定义到指针逻辑全是硬错误,和sscanf本身没有直接关系,具体问题点:
- 指针数组类型定义完全错误:
arr被声明为单维char *,本质是一段用来存单个字符串的连续内存块,根本不是能存多行字符串首地址的指针数组。后续循环里执行arr[k] = calloc(...),是把8字节的堆内存指针硬塞进1字节的char存储位置,直接破坏堆结构,必然触发非法内存访问、段错误。 - 文件读入用的临时指针是野指针:
char *r没有分配任何实际可用的内存空间,直接传给fgets当读入缓冲区,fgets会向随机的非法内存地址写数据,程序直接崩溃。同时传的sizeof(r)是指针本身的长度(64位系统下固定为8字节),不是读缓冲区的实际长度,哪怕给r分配了合法内存,这个参数也完全不符合fgets的调用要求。 sscanf的使用逻辑和需求完全错位:%s格式符遇到空格、制表符就会截断字符串,你本来需要原样保存带逗号的整行内容,转一道sscanf不仅多余,还会把需要保留的分隔符、整行内容截断。- 行内存分配粒度错误:原来给每一行只分配20字节空间,如果实际行的长度超过20,会直接发生缓冲区溢出,覆盖相邻内存。
目标实现方案
你的需求是逐行把CSV内容原样存为字符串,完全不需要调用sscanf,核心逻辑非常简单:
- 把
arr调整为二级字符指针(也就是指针数组),每个元素用来单独存一行字符串的首地址 - 给指针数组本身分配足够的连续内存,用来存放所有行的指针地址
- 给
fgets分配一块合法的固定大小临时缓冲区,用来逐行读文件内容 - 每读到一行,就给这行单独分配匹配长度的堆内存,把整行内容原样拷贝到数组对应的位置即可
修正后的可运行代码
#include <stdio.h> #include <stdlib.h> #include <string.h> #define MAX_TOTAL_ROWS 6321078 #define LINE_READ_BUF_SIZE 1024 // 足够容纳CSV中所有整数对行的长度 int main() { FILE *fd; // 定义二级指针作为行指针数组 char **arr; // 给指针数组本身分配空间:每个指针占8字节,总大小 = 行数 * 单指针长度 arr = (char **)malloc(MAX_TOTAL_ROWS * sizeof(char *)); if (arr == NULL) { perror("分配指针数组内存失败"); exit(EXIT_FAILURE); } // 给fgets分配合法的临时读缓冲区,彻底避免野指针 char *read_buf = (char *)malloc(LINE_READ_BUF_SIZE); if (read_buf == NULL) { perror("分配临时读缓冲区失败"); free(arr); exit(EXIT_FAILURE); } int current_pos = 0; fd = fopen("file.csv", "r"); if (fd == NULL) { perror("打开CSV文件失败"); free(read_buf); free(arr); exit(EXIT_FAILURE); } // 逐行循环读文件 while (fgets(read_buf, LINE_READ_BUF_SIZE, fd) != NULL) { // 边界判断:避免超过预设的最大行数 if (current_pos >= MAX_TOTAL_ROWS) { break; } // 去掉读入内容末尾的换行符,如需保留可跳过该步骤 size_t line_len = strlen(read_buf); if (line_len > 0 && read_buf[line_len - 1] == '\n') { read_buf[line_len - 1] = '\0'; line_len--; } // 给当前行分配刚好够存字符串的堆内存 arr[current_pos] = (char *)malloc(line_len + 1); if (arr[current_pos] == NULL) { perror("分配单行内存失败"); break; } // 把整行内容原样拷贝到数组中 strcpy(arr[current_pos], read_buf); // 打印验证内容 printf("%s\n", arr[current_pos]); current_pos++; } // 按顺序释放所有内存,避免泄漏 fclose(fd); for (int k = 0; k < current_pos; k++) { free(arr[k]); } free(arr); free(read_buf); return 0; }
关键注意事项
- 632万条记录的内存开销可以提前估算:按每行平均50字节计算,加上指针数组本身的占用(约50MB),总内存开销在350MB左右,普通开发环境完全可以承载。
- 如果不想硬编码固定行数,可以在循环读文件的过程中动态扩容指针数组,避免实际文件行数和预估数不一致导致越界或内存浪费。
- 如果文件行的长度超过1024字节,可以适当调大
LINE_READ_BUF_SIZE的数值,保证能完整读入整行内容。
内容的提问来源于stack exchange,提问作者cocoricò
相关产品推荐
相关产品推荐

