数组与字符串
数组和字符串是 C 语言的核心复合类型。它们的语义看似简单——「连续内存」——但内部埋着大量陷阱:数组衰减、多维数组、VLA、字符串生命周期、宽字符……
一、一维数组
声明与定义
int a[10]; // 未初始化:栈上是垃圾值
int b[5] = {1, 2, 3}; // 剩余补 0:{1,2,3,0,0}
int c[] = {1, 2, 3, 4}; // 长度自动推导为 4
char s[8] = "hello"; // 6 字节 "hello\0" 加 2 个 '\0'
关键约束:
- 数组长度必须是编译期常量(C89),或运行时表达式(C99 VLA)。
- 数组不能整体赋值:
a = b;非法。要用memcpy。 - 数组不能作为函数返回值(可以包在结构体里返)。
元素访问
a[0], a[1], ..., a[n-1]
C 不做边界检查!a[100]、a[-1] 都能编译通过,但访问越界内存是 UB。这是所有缓冲区漏洞的根源。
数组名衰减
除三种情况外,数组名在表达式中会退化为指向首元素的指针:
int a[10];
a // 退化为 &a[0],类型 int*
sizeof(a) // ✓ 不衰减:40
&a // ✓ 不衰减:类型 int(*)[10]
_Alignof(a)// ✓ 不衰减
二、指针与数组:等价与差异
int a[10];
int *p = a;
a[i] // 等价 *(a + i)
p[i] // 等价 *(p + i)
看起来完全一样,但类型不同:
sizeof(a) // 40
sizeof(p) // 8
int (*pa)[10] = &a; // ✓
int (*pp)[10] = &p; // ✗ 类型不匹配
记住:数组和指针不是同一个东西——它们只在表达式求值上等价。
三、多维数组
二维数组的内存布局
int mat[3][4] = {
{1, 2, 3, 4},
{5, 6, 7, 8},
{9,10,11,12}
};
在内存中是 行主序(row-major) 连续存放:
1 2 3 4 | 5 6 7 8 | 9 10 11 12
mat[i][j]等价*(*(mat+i)+j)等价*((int*)mat + i*4 + j)。mat[i]类型是int[4](一行);在表达式中衰减为int *。
传递给函数
// 三种等价写法:
void f(int m[3][4]);
void f(int m[][4]);
void f(int (*m)[4]); // 指向 int[4] 的指针
// ✗ 错误:形参不能是二级指针
void f(int **m); // 内存布局完全不同!
因为 int** 需要额外的一层间接(指针数组),而二维数组是连续块。二者内存布局根本不同。
高维
int cube[3][4][5]; // 3 * 4 * 5 = 60 个 int
// 访问:cube[i][j][k]
// 等价:*(int*)cube + i*4*5 + j*5 + k
四、VLA — 变长数组(C99)
C99 引入 VLA:长度是运行时表达式。
void f(int n) {
int arr[n]; // 栈上分配 n * sizeof(int) 字节
for (int i = 0; i < n; i++) arr[i] = i;
}
sizeof(arr)在 VLA 上是 运行时求值(返回n * sizeof(int))。- 不能有初始化列表。
- 只能是 automatic(栈上)。
- C11 起:可选特性——
__STDC_NO_VLA__宏为 1 则不支持。MSVC 一直不支持。 - 风险:n 过大导致栈溢出;不易 debug。
替代方案:alloca(GCC 扩展)、malloc + free。
五、字符串:以 \0 结尾的字符数组
C 没有字符串类型,只有约定:一段连续的 char,以 '\0' 结尾。
char s1[] = "hello"; // 6 字节数组:'h','e','l','l','o','\0'
char *s2 = "hello"; // 指针 → 只读段
字符串字面量的存储
- 只读段(rodata):不可修改,多次出现的相同字面量可能被合并。
- 相邻字面量自动拼接:
"abc" "def"=="abcdef"。
长度:strlen vs sizeof
char s[] = "hello";
strlen(s) // 5,不含 '\0'
sizeof(s) // 6,含 '\0'
六、<string.h> 常用函数
| 函数 | 用途 | 备注 |
|---|---|---|
strlen | 长度(不含 \0) | 遇 \0 停 |
strcpy/strncpy | 复制 | strncpy 不保证 \0 结尾 |
strcat/strncat | 拼接 | strncat 保证 \0 结尾 |
strcmp/strncmp | 比较 | 按 unsigned char |
strchr/strrchr | 查字符 | 从前/从后 |
strstr | 查子串 | 朴素或优化算法 |
strspn/strcspn | 匹配/不匹配集合 | |
strtok | 分割 | 非线程安全;strtok_r 是可重入版 |
strdup (POSIX) | 复制并分配 | 需 free |
snprintf | 格式化到缓冲区 | 安全,推荐 |
strncpy 的奇怪行为:不足 n 补 \0;到 n 不加 \0;容易踩坑。工程中优先 snprintf。
参考 [[19-独立实现基本操作函数]] 中的手写实现。
七、字符串常见陷阱
陷阱 1:修改字符串字面量
char *s = "hello";
s[0] = 'H'; // ✗ UB,字面量在只读段
改用数组:
char s[] = "hello";
s[0] = 'H'; // ✓
陷阱 2:char * 数组的初始化
char *arr[] = { "apple", "banana" }; // 字符串在只读段
arr[0][0] = 'A'; // ✗ UB
char arr[][10] = { "apple", "banana" }; // 拷贝到栈/静态区
arr[0][0] = 'A'; // ✓
陷阱 3:未终结的字符串
char buf[4] = "hello"; // ✗ 5 字节数据放不进 4 字节
// 编译报错:excess elements
char buf[5];
strncpy(buf, "hello", 5); // 缓冲区刚好装下但没 '\0'
strlen(buf); // ✗ 越界读,UB
始终留一个字节给 \0:char buf[N+1]。