• 设为首页
  • 点击收藏
  • 手机版
    手机扫一扫访问
    迪恩网络手机版
  • 关注官方公众号
    微信扫一扫关注
    公众号

读陈浩的《C语言结构体里的成员数组和指针》总结,零长度数组 ...

原作者: [db:作者] 来自: [db:来源] 收藏 邀请

原文链接:C语言结构体里的成员数组和指针

复制例如以下:

单看这文章的标题,你可能会认为好像没什么意思。你先别下这个结论,相信这篇文章会对你理解C语言有帮助。这篇文章产生的背景是在微博上,看到@Laruence同学出了一个关于C语言的题,微博链接。微博截图例如以下。我认为好多人对这段代码的理解还不够深入。所以写下了这篇文章。

为了方便你把代码copy过去编译和调试,我把代码列在以下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
#include <stdio.h>
structstr{
    intlen;
    chars[0];
};
 
structfoo {
    structstr *a;
};
 
intmain(intargc, char** argv) {
    structfoo f={0};
    if(f.a->s) {
        printf( f.a->s);
    }
    return0;
}

你编译一下上面的代码,在VC++和GCC下都会在14行的printf处crash掉你的程序。@Laruence 说这个是个经典的坑。我认为这怎么会是经典的坑呢?上面这代码,你一定会问。为什么if语句推断的不是f.a?而是f.a里面的数组?写这样代码的人脑子里在想什么?还是用这种代码来玩票?无论怎么样,看过原微博的回复。我个人认为大家主要还是对C语言理解不深,假设这算坑的话,那么全都是坑。

接下来,你调试一下,或是你把14行的printf语句改成:

1
printf("%x\n", f.a->s);

你会看到程序不crash了。

程序输出:4。 这下你知道了。訪问0x4的内存地址,不crash才怪。于是,你一定会有例如以下的问题:

1)为什么不是 13行if语句出错?f.a被初始化为空了嘛,用空指针訪问成员变量为什么不crash?

2)为什么会訪问到了0x4的地址?靠,4是怎么出来的?

3)代码中的第4行,char s[0] 是个什么东西?零长度的数组?为什么要这样玩?

让我们从基础開始一点一点地来解释C语言中这些诡异的问题。

结构体中的成员

首先,我们须要知道——所谓变量,事实上是内存地址的一个抽像名字罢了。在静态编译的程序中,全部的变量名都会在编译时被转成内存地址。

机器是不知道我们取的名字的,仅仅知道地址。

所以有了——栈内存区。堆内存区,静态内存区。常量内存区。我们代码中的全部变量都会被编译器预先放到这些内存区中。

有了上面这个基础,我们来看一下结构体中的成员的地址是什么?我们先简单化一下代码:

1
2
3
4
structtest{
    inti;
    char*p;
};

上面代码中,test结构中i和p指针,在C的编译器中保存的是相对地址——也就是说,他们的地址是相对于struct test的实例的。

假设我们有这种代码:

1
structtest t;

我们用gdb跟进去。对于实例t,我们能够看到:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# t实例中的p就是一个野指针
(gdb) p t
$1 = {i = 0, c = 0'\000', d = 0'\000', p = 0x4003e0"1\355I\211\..."}
 
# 输出t的地址
(gdb) p &t
$2 = (structtest *) 0x7fffffffe5f0
 
#输出(t.i)的地址
(gdb) p &(t.i)
$3 = (char **) 0x7fffffffe5f0
 
#输出(t.p)的地址
(gdb) p &(t.p)
$4 = (char **) 0x7fffffffe5f4

我们能够看到,t.i的地址和t的地址是一样的,t.p的址址相对于t的地址多了个4。说白了,t.i 事实上就是(&t + 0x0)t.p 的事实上就是 (&t + 0x4)

0x0和0x4这个偏移地址就是成员i和p在编译时就被编译器给hard code了的地址。

于是。你就知道,无论结构体的实例是什么——訪问其成员事实上就是加成员的偏移量

以下我们来做个实验:

1
2
3
4
5
6
7
8
9
10
structtest{
    inti;
    shortc;
    char*p;
};
 
intmain(){
    structtest *pt=NULL;
    return0;
}

编译后,我们用gdb调试一下。当初始化pt后,我们看看例如以下的调试:(我们能够看到就算是pt为NULL,訪问当中的成员时,事实上就是在訪问相对于pt的内址)

1
2
3
4
5
6
7
8
(gdb) p pt
$1 = (structtest *) 0x0
(gdb) p pt->i
Cannot access memory at address 0x0
(gdb) p pt->c
Cannot access memory at address 0x4
(gdb) p pt->p
Cannot access memory at address 0x8

注意:上面的pt->p的偏移之所以是0x8而不是0x6,是由于内存对齐了(我在64位系统上)。关于内存对齐。可參看《深入理解C语言》一文。

好了,如今你知道为什么原题中会訪问到了0x4的地址了吧,由于是相对地址。

相对地址有非常好多处,其能够玩出一些有意思的编程技巧。比方把C搞出面向对象式的感觉来。你能够參看我正好11年前的文章《用C写面向对像的程序》(用指针类型强转的危急玩法——相对于C++来说,C++编译器帮你管了继承和虚函数表,语义也清楚了非常多)

指针和数组的区别

有了上面的基础后,你把源码中的struct str结构体中的char s[0];改成char *s;试试看。你会发现,在13行if条件的时候,程序由于Cannot access memory就直接挂掉了。为什么声明成char s[0]。程序会在14行挂掉,而声明成char *s。程序会在13行挂掉呢?那么char *s 和 char s[0]有什么区别呢

在说明这个事之前。有必要看一下汇编代码,用GDB查看后发现:

  • 对于char s[0]来说。汇编代码用了lea指令,lea   0x04(%rax),   %rdx
  • 对于char*s来说,汇编代码用了mov指令,mov 0x04(%rax),   %rdx

lea全称load effective address,是把地址放进去。而mov则是把地址里的内容放进去。

所以,就crash了。

从这里。我们能够看到。訪问成员数组名事实上得到的是数组的相对地址,而訪问成员指针事实上是相对地址里的内容(这和訪问其他非指针或数组的变量是一样的)

换句话说,对于数组 char s[10]来说,数组名 s 和 &s 都是一样的(不信你能够自己写个程序试试)。在我们这个样例中,也就是说。都表示了偏移后的地址。

这样。假设我们訪问 指针的地址(或是成员变量的地址),那么也就不会让程序挂掉了。

正如以下的代码。能够执行一点也不会crash掉(你汇编一下你会看到用的都是lea指令):

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
structtest{
    inti;
    shortc;
    char*p;
    chars[10];
};
 
intmain(){
    structtest *pt=NULL;
    printf("&s = %x\n", pt->s); //等价于 printf("%x\n", &(pt->s) );
    printf("&i = %x\n", &pt->i); //由于操作符优先级。我没有写成&(pt->i)
    printf("&c = %x\n", &pt->c);
    printf("&p = %x\n", &pt->p);
    return0;
}

看到这里,你认为这能算坑吗?不要出什么事都去怪语言。大家要想想是不是问题出在自己身上。

关于零长度的数组

首先,我们要知道。0长度的数组在ISO C和C++的规格说明书中是不同意的。这也就是为什么在VC++2012下编译你会得到一个警告:“arning C4200: 使用了非标准扩展 : 结构/联合中的零大小数组”。

那么为什么gcc能够通过而连一个警告都没有?那是由于gcc 为了预先支持C99的这样的玩法,所以。让“零长度数组”这样的玩法合法了。关于GCC对于这个事的文档在这里:“Arrays of Length Zero”,文档中给了一个样例(我改了一下,改成能够执行的了):

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
#include <stdlib.h>
#include <string.h>
 
structline {
   intlength;
   charcontents[0]; // C99的玩法是:char contents[]; 没有指定数组长度
};
 
intmain(){
    intthis_length=10;
    structline *thisline = (structline *)
                     malloc(sizeof(structline) + this_length);
    thisline->length = this_length;
    memset(thisline->contents,'a', this_length);
    return0;
}

上面这段代码的意思是:我想分配一个不定长的数组,于是我有一个结构体,当中有两个成员,一个是length,代表数组的长度,一个是contents。代码数组的内容。后面代码里的 this_length(长度是10)代表是我想分配的数据的长度。(这看上去是不是像一个C++的类?)这样的玩法英文叫:Flexible Array,中文翻译叫:柔性数组。

我们来用gdb看一下:

1
2
3
4
5
6
7
8
(gdb) p thisline
$1 = (struct line *) 0x601010
 
(gdb) p *thisline
$2 = {length = 10, contents = 0x601010"\n"}
 
(gdb) p thisline->contents
$3 = 0x601014"aaaaaaaaaa"

我们能够看到:在输出*thisline时。我们发现当中的成员变量contents的地址竟然和thisline是一样的(偏移量为0x0?

?

!!)。

可是当我们输出thisline->contents的时候,你又发现contents的地址是被offset了0x4了的,内容也变成了10个‘a’。(我认为这是一个GDB的bug,VC++的调试器就能非常好的显示)

我们继续,假设你sizeof(char[0])或是 sizeof(int[0]) 之类的零长度数组,你会发现sizeof返回了0,这就是说,零长度的数组是存在于结构体内的,可是不占结构体的size。

你能够简单的理解为一个没有内容的占位标识,直到我们给结构体分配了内存,这个占位标识才变成了一个有长度的数组。

看到这里,你会说,为什么要这样搞啊,把contents声明成一个指针,然后为它再分配一下内存不行么?就像以下一样。

1
2
3
4
5
6
7
8
9
10
11
12
13
structline {
   intlength;
   char*contents;
};
 
intmain(){
    intthis_length=10;
    structline *thisline = (structline *)malloc(sizeof(structline));
    thisline->contents = (char*)malloc(sizeof(char) * this_length );
    thisline->length = this_length;
    memset(thisline->contents,'a', this_length);
    return0;
}

这不一样清晰吗?并且也没什么怪异难懂的东西。是的,这也是普遍的编程方式,代码是非常清晰,也让人非常easy理解。即然这样,那为什么要搞一个零长度的数组?有毛意义?!

这个事情出来的原因是——我们想给一个结构体内的数据分配一个连续的内存!这样做的意义有两个优点:

第一个意义是。方便内存释放。假设我们的代码是在一个给别人用的函数中,你在里面做了二次内存分配,并把整个结构体返回给用户。用户调用free能够释放结构体,可是用户并不知道这个结构体内的成员也须要free。所以你不能指望用户来发现这个事。所以,假设我们把结构体的内存以及其成员要的内存一次性分配好了,并返回给用户一个结构体指针。用户做一次free就能够把全部的内存也给释放掉。

(读到这里,你一定会认为C++的封闭中的析构函数会让这事easy和干净非常多)

第二个原因是,这样有利于訪问速度

连续的内存故意于提高訪问速度。也故意于降低内存碎片。

(事实上,我个人认为也没多高了,反正你跑不了要用做偏移量的加法来寻址)

我们来看看是怎么个连续的。用gdb的x命令来查看:(我们知道,用struct line {}中的那个char contents[]不占用结构体的内存。所以。struct line就仅仅有一个int成员,4个字节,而我们还要为contents[]分配10个字节长度,所以。一共是14个字节)

1
2
3
(gdb) x/14b thisline
0x601010:       10      0       0       0       97      97      97      97
0x601018:       97      97      97      97      97      97

从上面的内存布局我们能够看到,前4个字节是 int length,后10个字节就是char contents[]。

假设用指针的话,会变成这个样子:

1
2
3
4
5
6
(gdb) x/16b thisline
0x601010:       1       0       0       0       0       0       0       0
0x601018:       32      16      96      0       0       0       0       0
(gdb) x/10b this->contents
0x601020:       97      97      97      97      97      97      97      97
0x601028:       97      97

上面一共输出了四行内存。当中,

  • 第一行前四个字节是 int length。第一行的后四个字节是对齐。
  • 第二行是char* contents。64位系统指针8个长度,他的值是0x20 0x10 0x60 也就是0x601020。
  • 第三行和第四行是char* contents指向的内容。

从这里,我们看到。当中的区别——数组的原地就是内容。而指针的那里保存的是内容的地址

后记

好了,我的文章到这里就结束了。可是。请同意我再唠叨两句。

1)看过这篇文章,你认为C复杂吗?我认为并不简单。

某些地方的复杂程度不亚于C++。

2)那些学不好C++的人一定是连C都学不好的人。

连C都没学好,你们根本没有资格歧视C++。

3)当你们在说有坑的时候。你得问一下自己,是真有坑还是自己的学习能力上出了问题。

假设你认为你的C语言还不错。欢迎你看看《C语言的谜题》还有《谁说C语言非常easy?》还有《语言的歧义》以及《深入理解C语言》一文。

(全文完)

该文章已有0人参与评论

请发表评论

全部评论

专题导读
上一篇:
C语言:结构体和联合体(共用体)发布时间:2022-07-13
下一篇:
控制台——屏蔽Ctrl+C快捷键对窗体的关闭功能发布时间:2022-07-13
热门推荐
阅读排行榜

扫描微信二维码

查看手机版网站

随时了解更新最新资讯

139-2527-9053

在线客服(服务时间 9:00~18:00)

在线QQ客服
地址:深圳市南山区西丽大学城创智工业园
电邮:jeky_zhao#qq.com
移动电话:139-2527-9053

Powered by 互联科技 X3.4© 2001-2213 极客世界.|Sitemap