从C++Primer某习题出发，谈谈C语言标准I/O的缓存问题

刚看完信号那章，觉得处理信号时的sigsetjmp/siglongjmp似乎跟异常的跳出很像，于是想去复习C++异常，然后发现了对I/O没有充分理解的问题。

题目是C++ Primer 5.6.3节的练习5.25，描述如下：

1、从标准输入读取2个整数, 输出第1个整数除以第2个整数的结果。

2、如果第2个整数为0，抛出异常；

3、用try语句块捕捉异常，catch语句中为用户输出一条提示信息，询问是否输入新数并重新执行try语句块的内容。

于是我随手一写，就写出了这样的代码

#include <stdio.h>
#include <stdexcept>

int main()
{
	int x, y;

	while (1) {
		try {
			fputs("input two numbers: ", stdout);
			scanf("%d %d", &x, &y);
			if (y == 0)
				throw std::runtime_error("除数为0!");
			printf("%d / %d = %d\n", x, y, x / y);
		}
		catch (std::exception& e) {
			fputs(e.what(), stderr);
			fputs("是否重新输入?[Y/n] ", stdout);

			char ch = getchar();
			if (ch == 'Y' || ch == 'y')
				continue;
		}
		break;
	}

	return 0;
}

调试看看，在getchar()下面加一句printf("%d\n", ch);后重新运行，会发现打印的是10（ACSII码中换行符'\n'对应的是10）

也就是说getchar()不需要等待我们输入就获取了字符。那么这个换行符是怎么来的呢？

哦，刚才输入了"1 0"后是按了回车，然后scanf才执行。scanf读到第2个int对应字符串部分（'0'）终止就不再读了，也就是'\n'并没有读进去。而标准I/O库采取了缓存策略，标准输入的字符都放在一个字符串数组内，比如我刚才输入1、空格、0、Enter时，在标准输入（stdin）对应的FILE结构中，它的缓存（可以看做一个字符数组）是这样的

'1', ' ', '0', '\n', '\0', '\0', ...

FILE结构有个指向当前位置的指针（注：下文中的指针均默认指代这个指针），最初是指向'1'的，然后进行scanf，读第2个int时，指针指向'0'，然后读取'0'，指针右移，此时指向'\n'，不是一个数字，开始分析scanf读到的2个int对应字符串"1"和"0"并且转换成int存入x和y的地址（&x和&y）中。

结果就是，指针指向的是'\n'，调用getchar()时，标准输入的缓存中已经有字符，那么直接取出即可。只有在标准输入的指针已经到达缓存非'\0'字符的末尾（即所谓字符数组风格字符串的末尾），才会阻塞进程并且等待用户输入，用户的输入会填入缓存，然后getchar()取得指针指向的字符。

回到这里，指针指向'\n'，那么getchar()就会把它取出来并返回，然后指针右移。因此我们需要接收到用户新输入的字符，需要像这样

getchar();  // 取出刚才的换行符
char ch = getchar();

如果熟悉库函数fflush()，很可能会采用fflush(stdin);的方式来取代getchar()，意思就是冲刷标准输入的缓存。

看似可行，但是，标准输入不同于标准输出(stdout)和标准错误(stderr)，后两者被冲刷的话，指针右移直到字符串末尾，然后右移过程中的字符被输出到屏幕上（虽然这么说，但实际上是一次系统调用打印出来）。也不同于打开普通文件（txt等等）的FILE*，冲刷它们会把字符串输出到文本中。

那么，标准输入又能输出到哪呢？

POSIX.1-2001 did not specify the behavior for flushing of input streams, but the behavior is specified in POSIX.1-2008.

在POSIX.1-2001标准中，冲刷输入流的行为是未定义的。虽然POSIX新标准定义了其行为，我没有具体查看，但是在Ubuntu 16.04 gcc 5.4.0下，用-std=gnu++11编译得到的结果并不是我们期望的那样。尽管网上能搜到很多C语言考题会考fflush(stdin)，还是VC6.0环境（我就不多说了，点到即止）

本来像上面那样更改代码后就OK了，但是健壮性较好的做法是只判断第1个字符即可，后面的字符随便输入，比如卸载软件的命令

我输入了yabcd wufq ue这一段瞎按的字符串，只有首字母为y，但是卸载程序仍然执行了。

那么我的程序是否也能如此呢？

仅仅是输入了2个字符，结果不仅重新输入了一些信息，还直接返回了。

来分析一下程序的执行流程：

1、我输入了yy，此时从指针指向的位置起，缓存字符是'\n', 'y', 'y'；

2、getchar()读取'\n'，第2个getchar()读取'y'返回并赋值给字符ch，然后if语句判断ch是否为'Y'或'y'

3、if语句为真，执行continue;跳过while循环中剩余代码（即break;），重新进入while循环。

就此打住，注意，现在stdin的缓存是'y'，而scanf会根据格式化字符串"%d %d"读取，也就是首先要读1个int，如果碰到正负号和数字之外的字符会怎样呢？

把代码的scanf那句改成下面这样，检查返回值（scanf的返回值为成功格式化写入的变量个数）

int n = scanf("%d %d", &x, &y);
if (n != 2) {
	fprintf(stderr, "scanf实际读取int的数量: %d\n", n);
	return 1;
}

运行结果如下

实际上碰到数字、正负号（还有空白字符）之外的字符就会返回，因为格式化输入已经不合法了。

关于printf和scanf的具体实现，主要是利用了C语言的可变参数类型va_list，具体可以参考C语言的经典教材《C程序设计语言》作者是丹尼斯·里奇（Dennis Ritchie），C语言之父&UNIX之父。7.3节 变长参数表里面提供了一份简化版printf的实现。

如果自己动手试着实现下，对printf/scanf的理解会更深刻。

于是回到问题，那我们该怎么解决呢？一个自然而然想到的方法是像刚才getchar()一样，把stdin的缓存全部读完，即在if语句之前加上

while (getchar() != '\n') { }

但是这会有调用函数的开销，比如我输入了10000个字符，那么就要调用getchar() 10000次。函数调用次数过多的话，开销就不能忽视了，因为每次函数调用都伴随着参数的入栈、出栈，函数栈帧的建立和销毁。

但是从性能的角度，可以采取更好的方法

char buf[BUFSIZ];
while (!fgets(buf, sizeof(buf), stdin)) { }

那就是减少函数调用的次数，每次获取BUFSIZ个字符，这样输入10000个字符的话只需要调用函数10000 / BUFSIZ次。

从实践的角度看，这种优化在这里其实没有必要，首先，没有谁那么无聊输入这么多字符，顶多不小心多按了几个字母。比如手滑按Enter键时把旁边的键给按下了。其次，这个程序本身就非常简单，甚至都不用考虑效率。

但是了解这些是有意义的。看源码不是为了重复造轮子，重复造轮子也不是仅仅为了重复造轮子，而是加深对底层实现的理解。既然选择了C/C++，就不得不去面对名为“效率”的怪物，不得不去了解底层实现。

最后再补充一点，C语言标准I/O库在终端I/O上默认是行缓冲，标准I/O库其实也要从应用态切换到内核态去调用内核的read/write等函数，10000次用户函数调用的开销也许不大，但是10000次上下文切换的开销就不小了。内核的I/O也有自己的一套缓存。所谓行缓冲，就是输入换行符时，一次性把目前为止输入/输出的所有字符进行I/O，也就是每读取一行（只要这一行不是特别特别长）只进行1次系统调用（system call）。（参考《Unix环境高级编程》）

因此每次输入换行符时，才把键盘输入的字符串一次性给搬运到内存中，然后scanf从头开始分析字符串。