抓虫记(1)

近日浏览优快云时，看到了网友贴的一个关于百度面试题的帖子，其中有一道是改错题，实际上就是找出代码中可能存在的BUGs，这个题是这样的：

下面这段代码是把中英文混合字符串(汉字用两个字节表示，特点是第一个字节的最高位为1)中的大写字母转化为小写字母，请找出其中的bug，注意各种异常情况。

for (char *piterator = szWord; *piterator != 0; piterator++ ) 
{ 
    if (*piterator & 0x80 != 0 ) { 
        piterator++ ; 
    }else if (*piterator >= 'A' && *piterator <= 'Z' ) { 
        *piterator += 32 ; 

    }
} 

对于这个问题，我首先分析一下题目本身：
1.算法的基本思路比较清晰：遍历整个字符串，找出其中的大写的英文字符，然后把这些大写的英文字符转化成小写字符。
2.当字符串中某个字节的最高位是1，则这个字节和后面紧接着的一个字节组成了一个汉字字符。
3.对于字符串中占两个字节的汉字字符，我们应该跳过这个汉字字符，继续搜寻后面的字符。

有了这样的一个基本认识，我接着又考虑了一些细节的问题：
Q1:对于这样的字符串，我们用什么数据类型来保存其中的每个字节？
我们知道，ASCII编码的字符可以用signed char来保存，因为ASCII编码的字符的取值范围在[0,127],正好和signed char所能表示的正整数吻合。如果超出了这个范围，signed char就会溢出。本题的字符串中包含大于这个范围的值(字节的最高位是1)，所以用signed char就不合适了，这时候就应该考虑unsigned char。

Q2:对于这样的字符串，我们用什么方式来表示字符串的结束？
我们知道，对于用ASCII编码的字符串，我们用'/0'字符来表示字符串的结束。对于本题中的字符串，该怎样表示字符串的结束？我也不能确定，暂时还用'/0'来表示吧。
 
Q3:对于汉字字符，它占两个字节，第一个字节的最高位是1，那第二个字节有什么特征?
从题目中看不出来有什么特征。所体它可能是'/0',也可能是ACSII编码的字符，也可能是其他字符。

好了，有了以上理论上的分析，我在原来代码的基础上写一个修改的版本：

for (unsigned char *piterator = szWord; *piterator != '/0'; piterator++)
{
    if ((*piterator >= 'A') && (*piterator <= 'Z')) {
        //if the character is uppercase character
        *piterator += 32;
    }else if ((*piterator & 0x80)){
        //if the character is the first character of chinese character
        if (*(piterator+1) == '/0') {
            //if the second character is null character
        }else {
            ++piterator;
        }
    }
}

代码的分析：
1.我使用unsigned char来替换char。
2.对于汉字字符，我们只知道它的第一个字符的特征，我们却不知道第二个字符的特征，这样就存在一些特殊的情况：
  2.1 汉字的第二个字符是'/0'。我们有可能把这个字符看作是整个字符串的结束字符，也就是字符串的最后的一个字符。这时候如果我们试图跳过这个字符去获取它后面的字符，就会发生字符串的"越界"错误。为了避免这样的错误，如果汉字的第二个字符是'/0',就不跳过这个字符。
  2.2 汉字的第二个字符是英文的大写字母。在原先的代码中如果检测到某个字符是汉字字符的第一个字符，会将指针调整到这个汉字字符的第二个字节，接着又判断这个字节是否是大写字母，这时候就有可能将这个字符看作是大写字母，这样就发生了错误。为了避免这样的错误，我将判断是否是大小字母的代码放到前面。
3.另外的一个错误就是，由于"!="的优先级大于"&"的优先级，原先的代码：

*piterator & 0x80 != 0

被编译器解析成：

(*piterator) & (0x80 != 0)

这样出来的结果就是错误的。为了避免这样的错误，我删除了"不等于0"的比较。

上面是我对这个问题的理解和分析，不可避免的也会存在一些问题，希望大家留言帮我指出来

09/24/2006 于 家中

修订v1.0

  在热情的回复中，网友blue_zyb指出了文中的一个错误，在此对blue_zyb表示感谢。突然意识到我在学习C语言的初期(大二,学校开了这门课)，学习的时候太过粗略和马虎，导致到现在对于最基本的问题都弄的不是太清楚。
  对于这样的流程控制语句：

if  (condition1) {
  //clause1
}else  (condition2) {
  //clause2
}

如果condition1满足条件的话，就会执行clause1中的代码；如果condition1不满足条件的话，就会执行clause2中的代码，无论clause1还是clause2被执行，执行结束后程序都会跳出这个流程。也就是说，这里是一个"2选1"的流程。
  对于带有else if这样的流程控制语句：

if  (condition1) {
  //clause1
}else if (condition2) {
  //clause2
}else if (condition3) {
  //clause3

}else if (...) {

  ...

} else  {
  //clauseN
}

如果condition1满足条件的话，就会执行clause1中的代码；如果condition1不满足条件的话，就会接着判断condition2是否满足，如果condition2满足的话，就会执行clause2中的代码，否则的话就会判断clause3，与此类推，如果没有任何条件被满足的话。clauseN会被执行。任何一个clause被执行以后，程序都会跳出这个流程，不会再去评估其他的条件。也就是说，这里是一个"N选1"的过程。

  突然想到我在实际工作中就遇到这样的情况。我在浏览项目代码中看到一段类似这样的代码：

if (foobar() > 0 ) {
   //clause1
}else if (1 ==  foobar()) {
   //clause2
}

  在测试的时候，我发现当foobar()返回是1的时候,clause2却永远不会被执行，我当时就意识到这是一个逻辑错误，这时候clause1被执行，而不是clause2。可能是受到了这个的影响， 我在修改本文中的的BUG时潜意识的认为这个BUG有逻辑错误，却"画蛇添足"了一把。看来写代码真不是一件容易的事情，"革命还未成功，同志还需努力"。

10/14/2006 于家中