1. 为什么fscanf是Matlab数据导入的瑞士军刀

第一次用Matlab处理实验数据时，我盯着几十MB的文本文件发愁。同事走过来敲了行fscanf代码，三秒钟就把杂乱的数据变成了整齐的矩阵。那一刻我才明白，这个看似简单的函数，其实是数据预处理环节最实用的工具。

fscanf的工作原理就像智能扫描仪。它按照你定义的格式模板（formatSpec），逐行"扫描"文本文件，把非结构化的字符流转换成规整的数值矩阵。与load、importdata等现成工具相比，它的优势在于能处理非标准格式文件——比如混合了文字说明的温度记录、带特殊符号的仪器输出、或者行列不规则的观测日志。

实际工作中常见三种典型场景：

• 列向量读取：处理单列或多列纯数值数据（如传感器采样值）
• 结构化数组构建：转换行列交叉的复合数据（如带时间戳的实验记录）
• 混合数据提取：从含非数值字符的文本中抽离数值（如"78°C"这类带单位的数据）

2. 基础操作：列向量读取模式

2.1 标准单列数据读取

假设我们有激光测距仪生成的原始数据文件distance.txt：

23.45
17.82
34.01
...

读取步骤就像用ATM机取钱：

1. 插卡：fileID = fopen('distance.txt','r') 获取文件访问权限
2. 输入密码：formatSpec = '%f' 声明要提取的是浮点数
3. 取现：A = fscanf(fileID, formatSpec) 输出列向量
4. 退卡：fclose(fileID) 释放系统资源

实测案例中，处理包含10万个数据点的文件仅需0.3秒。关键点在于格式符%f的灵活变体：

• %8.2f 限制数字总宽度8位，含2位小数
• %f32 指定单精度浮点类型
• %*f 跳过当前数值（适合处理含冗余列的数据）

2.2 多列数据合并处理

当遇到多列数据文件multidata.txt：

1.2 3.4
5.6 7.8
...

使用矩阵变形技巧可以保持原始结构：

fileID = fopen('multidata.txt','r');
rawData = fscanf(fileID, '%f %f');  % 得到[1.2; 5.6; 3.4; 7.8] 
fclose(fileID);
reshapedData = reshape(rawData, 2, [])';  % 转换为[1.2 3.4; 5.6 7.8]

3. 进阶技巧：构建结构化数组

3.1 行列交叉数据解析

处理气象站记录的weather.log：

2023-08-01 28.5 75
2023-08-02 30.1 68
...

需要组合使用格式符：

formatSpec = '%d-%d-%d %f %d';  % 匹配日期和数值
dataCell = textscan(fileID, formatSpec);  % 先用textscan分列
finalMatrix = [datenum(dataCell{1},dataCell{2},dataCell{3}) dataCell{4:5}];

3.2 动态数组维度控制

sizeA参数是控制内存分配的神器。假设要读取前1000行3列数据：

A = fscanf(fileID, '%f', [3 1000])';  % 转置得到1000×3矩阵

遇到未知行数时，可以先用Inf占位：

tempData = fscanf(fileID, '%f', [2 Inf]);  % 自动适应文件行数
validData = tempData(:, ~isnan(tempData(1,:)));  % 剔除空值

4. 高阶应用：混合数据提取

4.1 含特殊符号的数据清洗

处理实验室仪器的pH_data.txt：

Sample1: pH=7.2
Sample2: pH=6.8
...

使用"格式符跳过"技术：

formatSpec = 'Sample%d: pH=%f';  % 匹配文本中的数值
data = fscanf(fileID, formatSpec, [2 Inf])';

4.2 非标准分隔符处理

当数据用|分隔时（如1|2.3|4）：

formatSpec = '%d|%f|%d';  % 显式包含分隔符
data = fscanf(fileID, formatSpec, [3 Inf])';

5. 避坑指南与性能优化

5.1 常见报错解决方案

• 文件未找到错误：检查fopen返回值，建议添加验证：

  fileID = fopen('data.txt','r');
  if fileID == -1
      error('文件打开失败，请检查路径和权限');
  end
  

• 数据类型不匹配：当遇到1.23e-4这类科学计数法时，必须使用%g而非%f

5.2 大文件处理技巧

处理GB级数据时，采用分块读取策略：

chunkSize = 1e6;  % 每次读取100万个数
while ~feof(fileID)
    chunk = fscanf(fileID, '%f', chunkSize);
    process(chunk);  % 自定义处理函数
end

内存映射文件(mmio)方案更适合超大规模数据：

m = memmapfile('huge.bin', 'Format', 'single');
data = m.Data(1:1e8);  % 访问前1亿个单精度数