小议char *和C语言的字符串

作者：乾坤一笑

来源：http://blog.vckbase.com/smileonce/archive/2005/06/26/8330.html

摘要：介绍了C语言中的char *和字符串，比较深入

前几天和清风雨交谈strncpy()函数的时候，他认为“如果一个函数有一个char * str的参数，那么str一定是一个字符串”，而我对此不以为然。难得到了周末，抽得出功夫,谈谈我对char *含义的认识,与大家共同讨论一下。

C语言是开发操作系统的首选语言，在很多方面都能从C代码中看到机器的固有性质。比如,PASCAL语言的数组索引是从1开始计数，而C语言就是从0开始计数。从0开始计数不太符合一般人的正常思维模式，但是为什么C语言要采用这种设计方式呢？因为C语言最初主要是为操作系统开发人员和编译器设计人员设计的——对于经常需要考察内存地址的开发人员，偏移量的概念在他们脑子里面根深蒂固。要把100个int型的整数放在从地址0x0000开始的一段内存中，如果系统是按Byte编址的，那么第100个元素(其数组索引为99)的要放入的地址必然是：0x0000 + sizeof(int) * 99， 而不是乘以100，所以索引以0开始是很有好处的。(C语言的底层特性请参考P.V.D.L的《Expert C Programming——Deep C Secrets》，中文版《C专家编程》)

同样而言，C语言对所谓字符串的处理也和其他语言不同。(参见拙著《我用错了strcat() 》文后的评论) 它同样体现了便于系统设计的特点。例如unix系统总是把设备都映射为文件，对I/O流、光驱、硬盘、modem的访问最终都转换为了对文件的处理。而文件，也可以看作是一个长长的字符数组(文件以EOF结尾)。C语言没有专门定义字符串数据类型(如其他语言中的string)，它用以'/0'结尾的字符数组来表示一个逻辑意义上的字符串。C语言用一些对于字符数组的处理函数(特别是对以'/0'结尾的字符数组的处理函数)来处理所谓的以'/0'结尾的字符串，并把他们放在string.*、stdio.*等一些标准库文件中。string这个字眼也就对人造成了某些误解，好像是C语言中定义了字符串这种类型一样。其实C语言只定义了char、int、float、void、poiner这几种基本类型，这正是C语言简洁之处。至于所谓的字符串，只是对字符数组的一种特殊应用而已。

由于没有了“字符串类型”，“传char *参数就是传一个字符串进来”之说自然也不攻自破。那么char *真正的含义是什么？我们不妨用大家最熟悉的int来对比一下。

#include <stdio.h>

int main(int argc, char *argv[])
{    
    int b[3] = { 17, 18, 19 };
    int a = 5;
    int d = 2103157716; 

    int * i; // pay attention to this variable

    i = b;
    printf("%d /n", *i);  // i points to a array, *i gets the first number of the array, 
                          // *i does not get the all elements of the array.
    
    i = b + 1;            // okey, i can get whichever element of the array.
    printf("%d /n", *i);

    printf("Int size: %d /n", sizeof(int));
    printf("Address0: %#x /n", i); // if i++, the value of i add by sizeof(int)
    i++;
    printf("Address1: %#x /n", i);
   

    i = &a;               // i also can point to a int variable. as i is a pointer, we shoule 
    printf("%d /n", *i);  // use & to get the address of a.


    printf("%#x /n", d);  // I use a big number to prove that int * is only a pointer,
    i = &d;               // which is not tightness to int type.
    printf("%#x /n", *((unsigned char*)i));    
    
 return 0;
}

代码中的int * i就是我们关注的焦点。它是一个指向int指针。也就是说：i指向一个内存地址，从这个地址开始存储了一个数据。int * i中的int标明应该使用int类型（长度为sizeof(int)个字节）来从这个地址取数据，也就是说要一次取sizeof(int)个byte的数据来拼成最后的结果。最后一个例子也证明了这一点：如果我们强制用unsigned char的大小的数据类型来对这个地址操作，就只能取出数据的一部分。反过来说，如果用较大数据类型来取实际存储较小数据类型的数据，就有可能越界操作内存，取回一些杂乱的内容或导致系统崩溃。int b[]这个数组，标明有一组数，放在以&b开始地址的内存空间内，每个元素占用了sizeof(int)个byte的内存单元；如果有类似于i=&b;i++;的操作，i的值就每次递增sizeof(int)而不是1，这样确保了i每次都能恰好取回一个正确的int。

同理，char * c也是如此。如果我们定义了一个char *的变量c，那么c也只不过是一个指向内存中某个地址的指针而已。之所以标明它是char *的类型，就是说要以sizeof(char)为单位去内存中取数。所以，我们应该称呼char * c为指向char类型的指针——而不是说c就是字符串。为什么传一个char *指针给printf(),strlen()之类的函数，它就能把它当作一个字符串来处理呢？没错，我们不是定义了'/0'来表示一个"字符串"的终结么？我们只需从起始地址不断累加，遍历字符数组的每一个元素，直到找到一个'/0'为止，就算是处理一个字符串了——从起始地址到'/0'为止的字符数组元素构成一个“字符串”，这就是C语言设计字符串的原理。

所以，当一个函数要求传入一个char *的参数，并不一定这个参数就一定是字符串(以'/0'结尾的字符数组)，char *只是一个字符指针而已,它仅仅提供了一个内存地址和每次遍历元素的偏移量而已。究竟函数对传入的参数有什么要求，还要视函数的具体实现而定。(我想ANSI C应该对参数有所要求和规定，可惜偶没有ANSI C文件，无法参考。 )C语言一般约定是用char * str来表示以'/0'结尾的字符数组，但是由于某些实现上的效率的考虑，往往没有严格遵守这个约定。C语言的设计理念中没有强调使用者一定要使用遵守这个约定，不遵守这个约定也不违背C语言的基本语法规则。这或许可以看作是C语言和创造和使用它的黑客群体崇尚自由的一种特色、一种精神文化吧。


小练习：
1)参照上面int *的例子来编写一个类似代码验证一下char *是否也有类似特性。
2)C语言这么设计字符串会在那些方面的处理上有为难之处。
3)考察C语言标准库函数中，有那些函数传入char*的参数是一定要求以'/0'结尾的，那些函数对char *参数不做这个检查。