如何用read(2)、write(2)等底层系统调用获取标准输入与文件字节数

嘿，这个问题我太懂了！确实，lseek(2)对管道、终端这类非可定位流（比如标准输入stdin）完全没用——因为它们的内容是流式传输的，没有固定的“文件末尾”让你跳转过去。不过你想到用read(2)循环读取来统计字节数的思路完全正确，我来给你细化一下具体实现，不管是普通文件还是stdin都能通用。

核心逻辑 #

不管输入是普通文件还是stdin，通用的处理方式就是：

• 用一块合适大小的缓冲区（别逐字节读，效率太低）循环调用read(2)
• 每次读取后累加返回的字节数，直到read(2)返回0（表示读到EOF）
• 注意处理read(2)的错误情况，比如被信号中断的情况不算真正的失败

完整代码示例 #

下面是一个C程序，既可以处理命令行传入的文件，也可以直接读取stdin（当没有命令行参数时）：

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

#define BUF_SIZE 4096  // 用系统页大小作为缓冲区，平衡效率与内存占用

int main(int argc, char *argv[]) {
    int fd;
    ssize_t bytes_read;
    unsigned char buf[BUF_SIZE];
    unsigned long long total_bytes = 0;
    unsigned char *content = NULL;  // 如果需要存储内容，用动态数组

    // 确定输入源：有参数则打开文件，否则用stdin
    if (argc > 1) {
        fd = open(argv[1], O_RDONLY);
        if (fd == -1) {
            perror("Failed to open file");
            exit(EXIT_FAILURE);
        }
    } else {
        fd = STDIN_FILENO;  // 等价于0，用宏更清晰可读
    }

    // 循环读取直到EOF或错误
    while ((bytes_read = read(fd, buf, BUF_SIZE)) > 0) {
        total_bytes += bytes_read;

        // 如果你需要把内容存入数组，这里处理动态扩容与复制
        content = realloc(content, total_bytes);
        if (content == NULL) {
            perror("Failed to allocate memory");
            if (argc > 1) close(fd);
            exit(EXIT_FAILURE);
        }
        memcpy(content + total_bytes - bytes_read, buf, bytes_read);
    }

    // 处理read的错误情况
    if (bytes_read == -1) {
        // EINTR是被信号中断，可忽略并继续读取；其他情况才报错
        if (errno != EINTR) {
            perror("Failed to read data");
            free(content);
            if (argc > 1) close(fd);
            exit(EXIT_FAILURE);
        }
    }

    // 输出结果
    printf("Total bytes: %llu\n", total_bytes);

    // 清理资源
    free(content);
    if (argc > 1) close(fd);

    return EXIT_SUCCESS;
}

关键细节说明 #

• 缓冲区大小选择：用4096字节是因为这是Linux系统的默认页大小，每次读取一页数据能减少系统调用的次数，大幅提升效率——逐字节读取的话，每读一个字节都要触发一次系统调用，开销极大。
• 处理EINTR错误：当read(2)被外部信号打断时，会返回-1并设置errno=EINTR，这种情况不是真正的读取失败，应该继续尝试读取。
• 动态数组存储内容：如果需要把输入内容存入数组，不能一开始就分配固定大小，必须用realloc动态扩容，每次读取后调整数组大小并复制缓冲区内容。
• 兼容非可定位流：这个程序对stdin（比如cat file | ./your_program或者直接在终端输入）、普通文件都能正常工作，而lseek(2)只能处理普通文件。

内容的提问来源于stack exchange，提问作者Nicole