新闻详情

新闻详情

首页 / 资讯中心 / 详情

关于gets 和fgets的用法和解析

发布时间:2026/11/18 4:12:38来源:尧图网络
关于gets 和fgets的用法和解析
gets:一.关于gets的返回类型以及作用机制#includestdio.h char*gets(char*buffer)gets 的头文件是stdio.h返回类型为int参数为char*型指针buffer。作用为输入字符串在char*buffer)中当读取到\n时或者读取失败将返回空指针NULL并在字符串后加入\0返回输入后的buffer。二.关于gets的实际操作输入字符并打印#includeStdio.h int main() { char arr[10]; gets(arr); printf(%s,arr); return 0; }多次输入并打印数组的长度#includeStdio.h int main() { char arr[10]; while(gets(arr)!EOF) { printf(%zd,strlen(arr)1); } return 0; }注意1.EOF的意思是 end of file本质上是-1。2.strlen计算数组大小时不会计算\0所以结果需要1.3.strlen 的返回值为size_t此时占位符使用%zd。三.注意事项1.当读取到到\n时返回空指针后会将\n留在缓冲区\n将会影响下一次输入解决办法gets(char*buffer); getchar();如上将\0通过getchar输入但不赋给任何地方2.兼容性gets没有办法防止缓冲区溢出因为gets(没有办法知道你提供的数组有多大他会一直读取直到读取失败或读取到\n如果输入的字符超过了数组的大小他会溢出到数组之外的内存空间造成数据越界导致程序崩溃或者被用来执行恶意代码。因此C标准的最新修订版2011年已明确将该功能从其规范中删除。该函数在C中被禁止如2011个标准它遵循C9TC3。fgets:一关于fgets的返回值类型以及机制作用char *fgets( char *string, int n, FILE *stream );可见 fgets的返回值类型为char参数有三个数组地址输入的数量输入的方式。意思是在 字符数组 中通过 FILE * stream 的方式输入 n-1 个字符关于FILE * stream是指定输入流可以使用stdin意思是从键盘上输入并在字符数组中第n个位置放入‘\0’二关于fgets的实际操作#includestdio.h int main() { char a[20]; fgets(a, 20, stdin); printf(\n%s, a); return 0; }此代码声明字符型数组a将字符串输入a并打印字符串a。运行结果如下三.注意事项1.fgets函数碰到回车时将停止输入但是会将回车也收入字符串中。2.fgets遇到多余输入数量的字符时不会将其使用这时候就要注意去除缓冲区的字符 否则影响下一次输入
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉