为什么C语言字符串的开头有3个不需要的字符？答案

【问题标题】：why are there 3 undesired characters in the beginning of the string in C language?为什么C语言字符串的开头有3个不需要的字符？
【发布时间】：2022-01-24 10:41:39
【问题描述】：

我遇到了这个 C 程序的问题，它读取文件的内容并将其复制到字符串中，然后打印出来。当我分配一个字符串时，它总是有 3 个奇怪的字符，我可以通过将 '\0' 放在开头来将其初始化为一个空字符串来解决这个问题，如第 1 部分和第 2 部分所示。但是在读取文件时，即使使用这种技术，也不会出现 3 个字符，如第 3 部分所示。

任何人都知道为什么要打印这 3 个字符，知道如果我将字符串复制到另一个文件中，它们不会出现在其中；为什么当我阅读文件时它们仍然出现？

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#define length 20

int main() { /////////PART 1

    char *T = (char*) malloc((length+1)*sizeof(char)) ;
    printf("%s\n", T); 

    strcat(T,  "hello") ;
    printf("%s\n", T); 

////////////////////////////////////PART 2  

    char *M = (char*) malloc((length+1)*sizeof(char)) ; M[0] = '\0' ;
    printf("%s\n", M);

    strcat(M,  "hello") ;
    printf("%s\n", M); 

////////////////////////////////////PART 3 

    FILE *fil = fopen("test.txt", "r") ;
    char *S = (char*) malloc((length+1)*sizeof(char)) ; S[0] = '\0' ;


    fread(S, sizeof(char), length, fil); 
    S[length] = '\0' ;

    printf("%s\n", S) ;
    fclose(fil) ;
}

【问题讨论】：

永远不要假设malloc返回的内存内容。
如果你想初始化内存使用 calloc:char *t = calloc(length+1, 1)。如果 t 不为 NULL（请务必检查），它指向的内存将被设置为全零。
strcat(T, "hello") ; 在初始化T 之前你不能这样做。您需要像在其他示例中一样，在调用 strcpy 之前将手动空终止符附加到索引 0
如果它只发生在第 3 部分，在读取该特定文件后（您说如果将文本复制到另一个文件就不会发生），该文件可能会以字符编码 UTF- 8 物料清单。这有一个 3 个字符的签名。这意味着这三个字符是文件的一部分，而不是 malloc 的错误。
试试printf(%x %x %x\n", S[0], S[1], S[2]);。如果你得到ef bb bf，那就是Byte Order Mark。

标签： c string dynamic-memory-allocation

【解决方案1】：

这 3 个字符可以是 ï»¿ 还是 ´╗┐？在 unicode 文本文件的开头添加字节顺序标记是很常见的。 BOM 是魔法值 0xfeff。

在 UTF-8 编码文件上，它是 3 个字节 "\xef\xbb\xbf"，在 UTF-16 Little Endian 上，它是 2 个字节 "\xff\xfe"，在 UTF-16 Big Endian 上，它是 2 个字节 @ 987654325@.

如果您正在读取包含 BOM 的文件，则具有这些特殊字符是正常的。

【讨论】：