文本文件中输入“abcde”，文件大小为多少字节？

在一个文本文件中输入“abcde”，文件占多少个字节呢？

你可能想不到，一共就只有5个字节，也就是说，整个文件中就只有“abcde”5个字符，没有任何文件头信息，也没有类似EOF这样的文件结束符。那么像文件编码信息、文件结束标志等，这些信息是存在什么地方的呢？我们一个一个来解答。

文件编码信息在哪里？

如果在VS Code中创建一个C++源代码文件，在其中添加了一些中文注释，之后在Dev-C++中打开这个文件时，通常会看到一堆乱码。这表明，VS Code采用了某种编码而Dev-C++不知道。那么这个编码信息是存在哪里的呢？

计算机中通常使用BOM来存储编码信息。BOM是Byte Order Mark的首字母缩写，从这个名称可以看出，它其实描述的不是编码信息，而是字节序，即在多字节的情况下，哪个字节在前的问题。这个概念只有编码方式采用UTF-16和UTF-32时才有意义。

而简单的文本文件（如.txt、.cpp、.html等），在国际化的软件（如VS Code，Sublime Text）或Linux/macOS系统上，默认编码通常是UTF-8。而UTF-8没有字节序的问题，所以对于UTF-8编码，BOM是可选且通常不推荐的（除非在Windows的某些传统场景下）。绝大多数现代系统和软件（如Linux, macOS, 现代代码编辑器）在保存UTF-8文本文件时，默认不添加BOM。而这恰恰就是导致乱码的原因。

当Dev-C++ 打开文件时，因为没有BOM，它必须猜测或使用默认设置来确定编码。在中文Windows系统上，Dev-C++ 的默认编码可能是 GBK 或 GB2312，而VS Code通常使用的是UTF-8，所以就出现了乱码。

但是反过来，对于在Dev-C++中创建的文件，即使它采用了GBK 或 GB2312编码，VS Code也能正确识别，因为VS Code除了使用默认设置外，还会更进一步分析整个文件的字节序列，根据统计规律来推测文件的编码。例如，一个字节序列是否符合UTF-8的规则，或者是否符合某种常见语言的字符分布。

结论：简单的文本文件中，通常不存在BOM。

文件结束标志在哪里？

在C++中，我们可能会看到这样的代码：

int c;
while ((c = getchar()) != EOF) {
    putchar(c);
}

这很容易让人误以为，在文件最后存在一个叫做“EOF”的字符。但实际上，这个EOF不是从文件里读出来的字符，而是当函数读到文件末尾时，系统返回给程序的一个信号。

那么既然文件末尾没有任何标记，系统又是怎么知道函数已经读到了文件末尾了呢？答案是：文件系统通过文件的“元数据”来精确记录文件的大小（以字节为单位）。

这个过程是这样的，当你保存一个内容为“abcde”的文件时，文件系统会做两件事：

• 在磁盘上分配空间，写入这5个字节：0x61 0x62 0x63 0x64 0x65。
• 在文件的元数据（如inode）中，记录一个关键信息：文件大小 = 5 字节。

然后当一个程序（比如cat或你的C++程序）打开并读取这个文件时，操作系统知道文件从哪个位置开始。程序从位置0开始读，读第1个字节(a)，位置变成1；读第2个字节(b)，位置变成2；……，读第5个字节(e)，位置变成5；当程序尝试读取下一个（第6个）字节时，操作系统会检查当前的读取位置（5）已经等于或超过了文件元数据中记录的大小（5）。此时，操作系统不会返回一个字节，而是会向程序发送一个 “文件结束”的信号或状态。

结论：文件里没有EOF字符，文件中只包含你写入的数据字节。

所以，在一个文本文件中输入“abcde”，文件的大小就是5字节。

本文为学漄乐码堂主撰写。如果您想要学到真正的知识，而不只是应试的技巧，欢迎留言跟我联系。

（写作不易，请大家点赞、关注、收藏、转发！）