char 引发的死循环

原来的程序要读的文件内容只有一个字符。(ch = fgetc(fp)) != EOF 却一直是 true。读文件的那段代码是这样的：

while ((ch = fgetc(fp)) != EOF) {

}

产生了一个死循环 (故意隐藏 ch 的定义)。

---

TLDR: 点这里折叠了一个简单的解释。

TLDR: 应该用 int 类型的变量接收 fgetc() 的返回值

熟悉 C 语言 getchar() 系列函数的肯定已经猜到，ch 的类型是 char 导致了这个问题。

fgetc(3):

fgetc() reads the next character from stream and returns it as an unsigned char cast to an int, or EOF on end of file or error.

最小复现示例

下面是一个名为 read-null 的程序的代码，这个程序在 x86_64 不会死循环，但是在 aarch64 上会死循环。

#include <stdio.h>
#include <assert.h>

int main()
{
    FILE *fp = fopen("/dev/null", "r");
    assert(fp != NULL);

    char ch;

    // Reads from /dev/null always return end of file
    while ((ch = fgetc(fp)) != EOF) {
        printf("Infinite loop...\n");
    }

    fclose(fp);
    return 0;
}

下面是这个示例在 x86_64 的运行效果，程序直接读到 EOF 退出了：

aarch64 gcc 把比较指令都优化掉了

在 aarch64 机器上，b .L2，无条件跳转，编译器知道 char 和 int 的 -1 比较，(char)-1 != (int)-1 永远都是 true，直接给优化成死循环了，没有对比 (char)fgetc() 返回值是否不等于 EOF这一条指令。

判断 EOF 的操作被编译器优化了。

为什么 x86_64 上是正常的？

C 语言的 EOF一般是常量 -1，来看看如果使用 char 类型的变量来接收 fgetc()的返回值，char 的 -1 和 int 的 -1 到底相等不相等。

#include <stdio.h>
#include <assert.h>

int main()
{
#if defined(__x86_64__) || defined(_M_X64)
        printf("=====On x86_64=====\n");
#elif defined(__aarch64__)
        printf("=====On ARM64=====\n");
#endif
        assert((unsigned char)-1 != -1);
        printf("(unsigned char)-1 != -1 is true\n");
        assert((char)-1 != -1);
        printf("(char)-1 != -1 is true\n");
        return 0;
}

x86_64 上，(char)-1 != -1 是 false。aarch64 上，(char)-1 != -1 是 true。

char 和 int 做比较，char 会被隐式转换为 int。unsigned char展开到 int 的时候符号位是不会扩展的，换句话说，(unsigned char)-1 转为 int是 255。(char)-1 转 int 会是多少呢？

x86_64 上是 -1，arm64 上是 255. char 的负数转 int ，或者说 signed char 转 int 这是 UB。

K&R p.41

On some machines a char whose leftmost bit

is 1 will be converted to a negative integer (``sign extension''). On others, a char is promoted

to an int by adding zeros at the left end, and thus is always positive.

下面是 read-null.c 在 x86_64 平台的汇编，x86_64 平台上 gcc char 转 int 会做 sign extension，而且，是和 char 类型比较，直接使用的是 %al，就算没有做符号扩展，%al是返回值的低字节，fgetc()返回EOF 就必定是 0xff。

x86_64 机器上 signed char 转 signed int 符号位会扩展，简单说 -1 还是 -1，而且和 char做比较指令上可能就只用了低字节。

TLDR: 应该用 int 类型的变量接收 fgetc() 的返回值

getchar(), fgetc() 系列函数的返回值是 int。ch的类型应该为int。

K&R p.18

The problem is distinguishing the end of input from valid data. The solution is that getchar

returns a distinctive value when there is no more input, a value that cannot be confused with

any real character. This value is called EOF, for ``end of file''. We must declare c to be a type big enough to hold any value that getchar returns. We can't use char since c must be big enough to hold EOF in addition to any possible char. Therefore we use int.

没有想到，这快死去的 C 知识居然有用上的一天。

我之前很喜欢用 C，不是嵌入式，只是 Linux 的 C 程序，但是毕业后发现自己只想用 C 找不到工作，因此转头去学 JavaScript 之类的前端技术，可恰逢此时，我又找到了一份 C 开发的工作，以为自己终于能用 C 去做开发了，没想到在工作中我的 C 知识几乎用不上，大多数的工作只是维护而已。尽管用不上，没有那种使劲浑身解数般的酣畅淋漓，但是之前走的每一步，学会的每一个技能，看的每一本书也都有用。我不知道我之后会去哪里，我也不知道以后我的工作会不会和 C 密不可分。

我喜欢 C 语言，喜欢 Linux，但是我没有找到我理想中的工作，或者给不到我想要的薪水。我常常怀疑，自己是不是走错了路，选错了方向……

借用新华社视频号的一段话，自勉：

不要后悔自己做过的任何决定，人这一生，最怕的不是做错选择，而是永远活在如果的阴影里。走错了路又怎样，那些意外的风景，或许恰恰是命运埋下的伏笔，所以别再回头苛责那个站在风雨里做决定的自己。