linux - 从 x86 中的特定位置读取文件

Question

是否可以从特定行或字节开始读取文件。目前我使用这段代码读取一个文件的 4 个字节:

section .data
    filename db "file.txt", 0

section .bss
    read_data resb 4

section .text
    global _start

_start:
  mov rax, SYS_OPEN
  mov rdi, filename
  mov rsi, O_RDONLY
  mov rdx, 0
  syscall

  push rax
  mov rdi, rax
  mov rax, SYS_READ
  mov rsi, read_data
  mov rdx, 4
  syscall

  mov rax, SYS_CLOSE
  pop rdi
  syscall

此代码始终读取前 4 个字节，但我想从文件的其他部分开始读取，例如中间部分。我需要添加或更改什么？

Answer 1

一个新打开的文件描述符从 position = 0 开始。如果你在一个循环中继续从同一个 fd 读取，你会得到连续的 block 。 (使用更大的缓冲区，如 8kiB，并在用户空间中循环双字，使用 read 返回的值作为上限!系统调用在 CPU 时间上非常昂贵。)

Is it possible to start reading a file from a specific line or byte.

• 字节:是
• 线路:没有。在 Unix/Linux 中，内核没有行起始字节偏移量索引或任何其他面向行的 API。例如，stdio fgets 中的行处理纯粹是在用户空间中完成的。有一些历史操作系统使用基于记录的文件，但 Unix 文件是平面字​​节数组。 (它们可能有漏洞、未写入的范围和扩展属性……但主要文件内容的内核 API 仅使用字节偏移量进行操作)。

如果你想换行，读取一个大块并向前循环，直到你看到一些换行符。如果您还没有，请阅读另一个街区；重复直到找到所需行号的开始和结束，或者您点击 EOF。 x86-64 可以使用 pcmpeqb/pmovmskb/popcnt 一次高效地搜索 16 个字节(popcnt 需要 SSE4.2 或特定的 popcnt 功能位).

或者仅使用 SSE2，或者在针对大块进行优化时，使用 pcmpeqb/psadbw(针对全零)将 hsum 字节转换为 qwords/padd。然后用一些标量代码检查你经常去多少行。或者保持简单并在 SIMD 向量中找到第一个换行符。

显然，缓慢而简单的选项是一个每次一个字节的循环，它计算 '\n' 个字符 - 如果您知道如何使用 SSE2 执行 strchr，那么向量化应该很简单使用上述建议进行搜索。

---

但如果您只想要一些特定的字节位置，您有两个主要选择:

• 在 read(2) 之前使用 lseek(2) 进行搜索(参见@Nicolae Natea 的回答)

• 使用 POSIX/Linux pread(2)从指定的偏移量读取，而不移动 fd 的文件偏移量以供将来的 read 调用使用。 Linux 系统调用名称为 pread64(__NR_pread64 equ 17 来自 asm/unistd_64.h)

  ssize_t pread(int fd, void *buf, size_t count, off_t offset); 与read的唯一区别是偏移量arg，第4个arg因此传入R10(不像用户空间函数调用约定那样的 RCX)。 off_t 是一个 64 位类型，只是在 64 位代码中传入一个寄存器。

除了 .h 中的 pread64 名称外，asm 接口(interface)与 C 接口(interface)相比没有什么特别之处，它遵循标准的系统调用约定。 (自 Linux 2.1.60 以来就存在；在 glibc 的包装器使用 lseek 模拟它之前。)

---

您还可以执行其他操作，例如 mmap 或 preadv 系统调用，但如果您的位置已知，pread 正是您要查找的内容你想阅读。