strstr的微妙之处？

我有一个二进制数据文件,其中包含各种字符串.我正在尝试编写一个C代码来查找文件中第一次出现用户指定的字符串.(我知道这可以用bash完成,但出于其他原因我需要一个C代码.)现在的代码是:

#include 
#include 

#define CHUNK_SIZE 512

int main(int argc, char **argv) {
    char *fname = argv[1];
    char *tag = argv[2];
    FILE *infile;
    char *chunk;
    char *taglcn = NULL;
    long lcn_in_file = 0;
    int back_step;
    fpos_t pos;

    // allocate chunk
    chunk = (char*)malloc((CHUNK_SIZE + 1) * sizeof(char));

    // find back_step
    back_step = strlen(tag) - 1;

    // open file
    infile = fopen(fname, "r");

    // loop
    while (taglcn == NULL) { 
        // read chunk
        memset(chunk, 0, (CHUNK_SIZE + 1) * sizeof(char));
        fread(chunk, sizeof(char), CHUNK_SIZE, infile);
        printf("Read %c\n", chunk[0]);
        // look for tag
        taglcn = strstr(chunk, tag);
        if (taglcn != NULL) {
            // if you find tag, add to location the offset in bytes from beginning of chunk
            lcn_in_file += (long)(taglcn - chunk);
            printf("HEY I FOUND IT!\n");
        } else {
            // if you don't find tag, add chunk size minus back_step to location and ...
            lcn_in_file += ((CHUNK_SIZE - back_step) * sizeof(char)); 
            // back file pointer up by back_step for next read 
            fseek(infile, -back_step, SEEK_CUR);
            fgetpos(infile, &pos);
            printf("%ld\n", pos);
            printf("%s\n\n\n", chunk);
        }
    }
    printf("%ld\n", lcn_in_file);

    fclose(infile);
    free(chunk);
}

如果你想知道的话,那back_step就是处理一个不太可能的事件,即所讨论的字符串是由chunk边界分割的.

我试图检查的文件大小约为1Gb.问题是,由于某种原因,我可以在前9000个左右的字节中找到任何字符串,但除此之外,strstr它不会检测到任何字符串.也就是说,如果我在文件中查找超过9000个字节的字符串,strstr则不会检测到它.代码读取整个文件,从不找到搜索字符串.

我尝试过CHUNK_SIZE128到50000 不等,结果没有变化.我也尝试过变化back_step.我甚至放入诊断代码,以便在找不到字符串chunk时逐个字符地打印出来strstr,果然,字符串正好在它应该的位置.诊断输出pos始终是正确的.

谁能告诉我哪里出错了？strstr这里使用的是错误的工具吗？

由于您说您的文件是二进制文件,因此strstr()将停止扫描文件中的第一个空字节.

如果您希望在二进制数据中查找模式,那么该memmem()函数是合适的(如果可用).它可以在Linux和其他一些平台(BSD,macOS,...)上使用,但它没有被定义为标准C或POSIX的一部分.它担负着大致相同的关系strstr()是memcpy()熊来strcpy().

请注意,您的代码应检测读取的字节数,fread()并仅搜索该字节数.

char   *tag = …;     // Identify the data to be searched for
size_t  taglen = …;  // Identify the data's length (maybe strlen(tag))
int     nbytes;
while ((nbytes = fread(chunk, 1, (CHUNK_SIZE + 1), infile)) > 0)
{
    …
    tagcln = memmem(chunk, nbytes, tag, taglen);
    if (tagcln != 0)
        …found it…
    …
}

你不明白为什么你有+1块大小.该fread()函数不会在数据末尾添加空字节或类似的东西.我没有改变这个方面,但可能不会在我自己的代码中使用它.

你需要注意识别跨越两个块之间边界的标记.