如何将文本文件从 DOS 格式转换为 UNIX 格式

Posted 2023-03-29

【中文标题】如何将文本文件从 DOS 格式转换为 UNIX 格式

【英文标题】：How to convert a text file from DOS format to UNIX format

【发布时间】：2021-12-28 00:45:51

【问题描述】：

我正在尝试用 C 语言编写一个程序，该程序读取一个文本文件并将 \r\n 替换为 \n 到将行结尾从 DOS 转换为 UNIX 的同一文件。我使用fgetc 并将文件视为二进制文件。提前致谢。

#include <stdio.h>

int main()

    FILE *fptr = fopen("textfile.txt", "rb+");
    if (fptr == NULL)
    
        printf("erro ficheiro \n");
        return 0;
    

     while((ch = fgetc(fptr)) != EOF) 
          if(ch == '\r') 
           fprintf(fptr,"%c", '\n');
         else 
         fprintf(fptr,"%c", ch);
        
    

    fclose(fptr);

【问题讨论】：

Windows（以及历史上的 DOS）在行尾同时使用 \r 和 \n，因此您需要删除 \r 而不是替换它。而且，不要尝试就地执行 - 制作一个单独的输出文件。

二进制？不要将 \r 替换为 \n，因为它使用 \r\n，因此您最终会得到 \n\n。您覆盖下一个字符而不是替换字符。

你不能像那样从你正在写入的同一个文件中读取。您需要两个文件指针——一个用于读取，另一个用于写入，都作为二进制文件打开。或者您可以在确保它是二进制文件流之后写信给stdout。请注意，DOS (Windows) 文件通常在每行的末尾有 "\r\n"；您只需要避免打印'\r' 字符。如果你遇到'\r' 后面没有'\n'，或者'\n' 前面没有'\r'，你会怎么做，这是任何人的猜测。我可能只是将两者都映射到'\n。

【参考方案1】：

如果我们假设文件使用单字节字符集，那么在将文本文件从 DOS 转换为 UNIX 时，我们只需忽略所有 '\r' 字符。

我们还假设文件的大小小于最大的无符号整数。

我们做这些假设的原因是为了保持例子简短。

请注意，按照您的要求，下面的示例会覆盖原始文件。通常您不应该这样做，因为如果发生错误，您可能会丢失原始文件的内容。

#include <stdio.h>
#include <stdlib.h>
#include <sys/stat.h>

// Return a negative number on failure and 0 on success.
int main()

    const char* filename = "textfile.txt";

    // Get the file size. We assume the filesize is not bigger than UINT_MAX.
    struct stat info;
    if (stat(filename, &info) != 0)
        return -1;
    size_t filesize = (size_t)info.st_size;

    // Allocate memory for reading the file
    char* content = (char*)malloc(filesize);
    if (content == NULL)
        return -2;

    // Open the file for reading
    FILE* fptr = fopen(filename, "rb");
    if (fptr == NULL)
        return -3;

    // Read the file and close it - we assume the filesize is not bigger than UINT_MAX.
    size_t count = fread(content, filesize, 1, fptr);
    fclose(fptr);
    if (count != 1)
        return -4;

    // Remove all '\r' characters 
    size_t newsize = 0;
    for (long i = 0; i < filesize; ++i) 
        char ch = content[i];
        if (ch != '\r') 
            content[newsize] = ch;
            ++newsize;
        
    

    // Test if we found any
    if (newsize != filesize) 
        // Open the file for writing and truncate it.
        FILE* fptr = fopen(filename, "wb");
        if (fptr == NULL)
            return -5;

        // Write the new output to the file. Note that if an error occurs,
        // then we will lose the original contents of the file.
        if (newsize > 0)
            count = fwrite(content, newsize, 1, fptr);
        fclose(fptr);
        if (newsize > 0 && count != 1)
            return -6;
    

    // For a console application, we don't need to free the memory allocated
    // with malloc(), but normally we should free it.

    // Success 
    return 0;
 // main()

只删除 '\r' 后跟 '\n' 用这个循环替换循环：

    // Remove all '\r' characters followed by a '\n' character
    size_t newsize = 0;
    for (long i = 0; i < filesize; ++i) 
        char ch = content[i];
        char ch2 = (i < filesize - 1) ? content[i + 1] : 0;
        if (ch == '\r' && ch2 == '\n') 
            ch = '\n';
            ++i;
        
        content[newsize++] = ch;
    

【讨论】：

"我们只需要忽略所有的 '\r' 字符" -- 值得商榷。这假定不会出现'\r' 字符，除非紧接在'\n' 之前。对于以与 C 实现的运行时字符集一致的单字节编码编码的 Windows 文本文件，这是一个相对安全的选择，但在技术上并不正确。

另外，将整个文件读入内存是很糟糕的形式。

@JohnBollinger 这取决于文件大小和默认块大小，问题是关于将换行符从 DOS 转换为 UNIX。如果他想回答几个问题，他应该创建更多问题。

@JohnBollinger 同意删除“\r”。我遇到的带有单独的 '\r' 字符的 DOS 文本文件通常用于打印到旧打印机上，在旧打印机上你会覆盖同一行两次，通常用于下划线或创建粗体文本。我还看到它用于在显示器上为文本加下划线。但我已经 25 年没有在野外看到它了。

添加了 sn-p 以显示如何仅替换 '\r' 后跟 '\n'。