C++ 練氣期之一文看懂字串

C++ 練氣期之細聊字串

1. 概念

程式不僅僅用於數字計算，現代企業級專案中更多流轉著充滿了煙火氣的人間話語。這些話語，在計算機語言稱為字串。

從字面上理解字串，類似於用一根竹籤串起了很多字元，讓人很容易想起冰糖葫蘆。

字串的基本組成元素是字元，可以認為字串就是字元型別的陣列。

量變總會引起質變，字串是由字元的量變演化出的新型別， 2 者在資料含義和儲存結構都有著本質上區別。

1.1 資料含義

C++把字元型別當成整型資料型別看待。如下程式碼，當把A賦值給myChar時， 編譯器先獲取A的底層 ASCII 編碼，然後再把編碼值賦值給myChar。

int myChar='A';
cout<<myChar; 
//輸出：65

如下程式碼，編譯器先找到97對應的字元，然後再賦值給myChar，字元型別和整型型別語法層面有差異，在底層，C++一視同仁。

char myChar=97;
cout<<myChar; 
//輸出：a

所以，用於整型資料型別的運算子都可以用於char型別。

char myChar='B';
char myChar_='A';
int res=myChar+myChar_;
cout<<"加操作："<<res<<endl; 
res=myChar-myChar_;
cout<<"減操作："<<res<<endl;
res=myChar*myChar_;
cout<<"乘操作："<<res<<endl;  
res=myChar/myChar_;
cout<<"除操作："<<res<<endl; 
bool is=myChar>myChar_;
cout<<"關係操作："<<is<<endl;

輸出結果：

加操作：131
減操作：1
乘操作：4290
除操作：1
關係操作：1

雖然，字串可看成是字元組成的陣列，但是，應該把字串當成一個獨立的整體，其資料含義更貼近現實意義：

• 因字元是單一詞，所能表達的語義非常有限。
• 字串則是由許多字元組成的語句，可用來表達豐富的語義。如：可以是姓名、可以是問候、可以情感表達、可以是提示……根據使用的上下文環境，字串有其自己特定的現實意義。

1.2 儲存結構

字元常量必須用單引號包起來，字元直接儲存在變數中。

char myChar='A';

字串的儲存方案比字元複雜很多，C++支援兩種字串的儲存方案：

• C語言風格的儲存。
• C++語言的物件儲存。

下面深入瞭解這 2 種儲存方案的區別。

2. C 風格的字串

C++可以直接延用C語言中的2種字串儲存方案：

2.1 陣列

陣列儲存能較好地詮釋字串是由字元所組成的概念。

使用陣列儲存時，並不能簡單如下程式碼所示。對於開發者而言，可能想表達的是輸出一句HTLLO問候語。但在實際執行時，輸出時可能不僅只是HELLO。

char myStr[5]= {'H','E','L','L','O'};
cout<<myStr<<endl;

為什麼會輸出更多資訊？

因為cout底層邏輯在輸出字元陣列時，會以一個特定識別符號\0作為結束標誌。cout在輸出 myStr字元陣列的資料時，如果沒有遇到開發者提供的\0結束符號，則會在陣列的儲存範圍之外尋找\0符號。

上述程式碼雖然能得到HELLO，那是因為在未使用的儲存空間中，\0符號很常見。

顯然，不能總是去碰運氣。所以，在使用字元陣列時描述字串時，則需要在適當位置新增字串結束識別符號\0。

因結束符佔用了一個儲存位，HELLO需要5個儲存位，在宣告陣列時，需要注意陣列的實際長度為 6。

char myStr[6]= {'H','E','L','L','O','\0'};
cout<<myStr<<endl;
//輸出結果：HELLO

執行下面的程式碼，檢視輸出結果，想想為什麼輸出結果是HEL？

char myStr[6]= {'H','E','L','\0','O','\0'};
cout<<myStr<<endl;
//輸出結果：HEL 

原因很簡單，cout在遇到第一個 \0時，就認定字串到此結束了。

這裡有一個問題，如果實際的字元個數大於陣列宣告的長度，會出現什麼情況？

char myStr[3]= {'H','E','L','L','O','\0'};
cout<<myStr<<endl;

如果出現上述程式碼，說明，你的陣列沒有學太好。C++規定在使用{}進行字面值初始化陣列時，{}內的實際資料個數不能大於陣列宣告的長度。

當不確定字串的長度時，可以採用省略[]中數字的方案。

char myStr[]= {'H','E','L','L','O','\0'};
cout<<myStr<<endl;

陣列儲存方案同樣具有陣列所描述的操作能力，最典型的就是使用下標遍歷陣列。

char myStr[6]= {'H','E','L','L','O','\0'};
for(int i=0;i<6;i++){
	cout<<myStr[i]<<endl;
}

輸出結果：

H
E
L
L
O

在使用上述程式碼時，有 2 個地方需要注意：

• 當下標定位到\0資料位時，並不能識別\0是字串結束符，它只是純粹當成一個一個字元輸出，不具有字串語義。

char myStr[8]= {'H','E','L','L','O','\0','M','Y'};
for(int i=0;i<8;i++){
	cout<<myStr[i]<<endl;
}

輸出結果：

H
E
L
L
O

M
Y

• 因是靜態陣列宣告方案，可以動態計算陣列的長度。

char myStr[8]= {'H','E','L','L','O','\0','M','Y'};
cout<<"陣列的長度:"<<sizeof(myStr)<<endl;
for(int i=0;i<sizeof(myStr);i++){
	cout<<myStr[i]<<endl;
}

輸出結果：

陣列的長度:8
H
E
L
L
O

M
Y

使用sizeof(myStr)計算出來的是建立陣列時指定的物理儲存長度。

所以，這裡要注意：

• 通過結束符描述字串是編譯器層面上的約定。
• 遍歷時，實質是底層指標移動，這時，編譯層面的字串概念在這裡不復存在。也就是說不存在遇到\0，就認為輸出結束。

2.2 字串常量

上述字串的描述方式，略顯繁瑣，因需要時時注意新增\0。C當然也會想到這一點，可以使用字串常量簡化字串陣列的建立過程。

char myStr[8]="HELLO";
cout<<myStr<<endl;
//輸出結果：HELLO

字串常量需要使用雙引號括起來。

當執行如下程式碼時，會出現錯誤。

錯誤提示，陣列長度不夠儲存給定的資料。可能要問！

陣列長度是5，實際資料HELLO的長度也是5，不是剛剛好嗎。

別忘記了，完整的字串是包括結束符\0的。在使用字元常量賦值時，編譯器會在字串常量的尾部新增\0，再儲存到陣列中，所以陣列的長度至少是：字串常量的長度+1。

如下的程式碼方能正確編譯執行：

char myStr[6]="HELLO";
cout<<myStr<<endl;
//輸出：HELLO

字串常量只是上述{}賦值的語法簡法版，其它的操作都是相同的，如迴圈遍歷。

char myStr[6]="HELLO";
for(int i=0;i<sizeof(myStr);i++){
	cout<<myStr[i]<<endl;
}

注意，如下的程式碼是錯誤的。

char myStr[6]="HELLO";
myStr[0]="S";

"S"表示一個字串，至少包括了'S'和'\0' 2 個字元，更重要的是 "S"返回的是記憶體地址。

2.3 字串操作

C語言風格的字串提供了cstring庫，此庫提供大量函式用來操作字串，常見函式如下：

• strcat：字串拼接。
• strcpy：字串複製。
• strcmp：字串比較。
• strstr：字串查詢。
• ……

下面介紹幾個字串的常見操作。

2.3.1 複製操作

C++中陣列之間是不能直接賦值的，如下是錯誤的：

char myStr[6]="HELLO";
char myStr_[6];
//錯誤
myStr_=myStr;

可以使用cstring庫中的 strcpy 函式：

#include <iostream>
#include <cstring>
using namespace std;
int main(int argc, char** argv) {
	char myStr[6]="HELLO";
	char myStr_[6];
	strcpy(myStr_,myStr);
	cout<<myStr_<<endl;
	return 0;
}

strcpy需要 2 個引數：

• 目標字串指標。
• 源字串指標。

其作用是，把源字串複製給目標字串。

2.3.2 長度操作

使用 strlen函式計算字串的長度。

char myStr[10]="HELLO";
cout<<strlen(myStr)<<endl;
//輸出結果：5

和sizeof計算出來的長度區別：

• sizeof建立陣列時，分配到的實際物理空/間的長度。

char myStr[10]="HEL\0LO";
cout<<sizeof(myStr)<<endl;
cout<<strlen(myStr)<<endl;

輸出結果：

10 
3

• strlen計算出的是字元陣列中字串的實際長度，即遇到\0結束符前所有字元的長度。如下程式碼：

char myStr[10]="HEL\0LO";
cout<<strlen(myStr)<<endl;

輸出結果是：3。\0結束前的字串是HEL。

2.3.3 拼接操作

字串常量之間可以使用空白（空格、換行符、製表符）字元自動完成拼接。

cout<<"this is a test" "hello world"; 
//輸出：this is a testhello world

需要注意的地方是，第一個字串常量和第二個字串常量的拼接處直接連線，中間不保留空白符。

使用strcat進行拼接。

#include <iostream>
#include <cstring>
using namespace std;
int main(int argc, char** argv) {
	char names[10]="Hello";
	char address[10]="changsha";
	strcat(names,address);
	cout<<names; 
	return 0;
}
//輸出：Hellochangsha

strcat是把第二字串連線到第一個字串後尾部。

2.3.4 字串比較

字元能夠直接比較，字串則不能。如果相互之間有比較的需求時，可以使用 strcmp 函式。

#include <iostream>
#include <cstring>

using namespace std;
int main(int argc, char** argv) {
	char names[10]="zs";
	char names_[10]="ls";
	cout<<strcmp(names,names_); 
	return 0;
}
//輸出結果：1

返回值的語義：

• 如果返回值為小於 0，則names 小於 address。
• 如果返回值為 等於 0，則names 等於 address。
• 如果返回值大於 0，則names 大於 address。

2.3.5 子字串查詢

在原子符串中查詢給定的子字串出現的位置，返回此位置的指標地址。

#include <iostream>
#include <cstring>
using namespace std;
int main(int argc, char** argv) {
	char srcStr[15]="Hello World";
	char subStr[5]="llo";
	cout<<strstr(srcStr,subStr); 
	return 0;
}
//輸出：llo World

如果沒有查詢到，則返回null。

cstring庫提供了大量處理字串的函式，如大小寫轉換函式tolower和toupper等。本文僅介紹幾個常用函式，需要時，可查閱文件，其使用並不是很複雜。

3. C++字串物件

C++除了支援C風格的字串，因其物件導向程式設計的特性，內建有string類，可以使用此類建立字串物件。

string類定義在string標頭檔案中。

如下程式碼可以初始化字串物件：

//空字串
string str1;
//字串常量直接賦值
string str2="Hello";
string str3 {"this"};
string str4("Hi");

string為了支援uncode字元編碼，底層為每一個字元提供了1~4個位元組的儲存空間。

所以，可以用來儲存中文：

string str="中國人";
cout<<str<<endl;
//輸出：中國人

除了支援 char、還支援wchar_t、char16_t、char32_t資料型別。

在string類中封裝了很多處理字串的相關函式（方法），在cstring庫中可以找到對應的函式。因得益於類設計的優秀特性，string類中封裝的功能體相比較cstring庫，更豐富、更全面。

下面介紹幾個常用的功能，其它可以查閱文件。

獲取字串的常規資訊：如長度、是否為空……

string str="Hello World";
cout<<str.size()<<endl;
cout<<str.length()<<endl;
//是否為空
cout<<str.empty()<<endl;
//能儲存的最大長度 
cout<<str.max_size()<<endl;
//容量 
cout<<str.capacity()<<endl; 

輸出結果：

11
11
0
4611686018427387897
11

資料維護（增、刪除、改、查）方法：

• clear：清除所有內容。

string str="Hello World";
str.clear();
cout<<str<<endl;
//沒有任何內容輸出

• insert：插入字元。

string str="Hello World";
string str_="Hi";
//第一個引數指定插入位置，第二引數指定需要插入的字串
str.insert(3,str_);
cout<<str<<endl;
//輸出結果：HelHilo World

• erase：刪除指定範圍內的所有字元。

string str="Hello World";
//第一個引數：指定刪除的起始位置，第二個引數：指定刪除的結束位置
string str_= str.erase(1,3);
cout<<str_<<endl;
//輸出：Ho World

• push_back、append追加字元和字串。

string str="Hello World";
//只能追加字串，不能追加字元
str.append("OK");
cout<<str<<endl;
//只能以字元為單位追加
str.push_back('O');
cout<<str<<endl;
//輸出結果：
//Hello WorldOK
//Hello WorldOKO

• pop_back：刪除最後一個字元。

string str="Hello World";
str.pop_back();
cout<<str<<endl;
//輸出結果：Hello Worl

• compare：比較兩個字串。

string str="Hello World";
string str_="Hello";
int res= str.compare(str_);
//返回值的語義和 `strcmp`一樣。

• copy：字串的拷貝。

//源字串
string foo("quuuux");
//目標字串，陣列形式
char bar[7];
//第一個引數，目標字串，第二引數，向目標字串複製多少
foo.copy(bar, sizeof bar);
bar[6] = '\0';
cout << bar << '\n';
//輸出：quuuux

總結下來，字串的儲存方案有2 種：

• 陣列形式。
• 字串物件。

4. cin 輸入字串

如果需要使用互動輸入方式獲取使用者輸入的資料，可以直接使用 cin。

string str;
char bar[7];
cin>>str;
cin>>bar;
cout<<str<<endl;
cout<<bar<<endl;

如上程式碼，如果使用者輸入this is，因字串有空白字元。則會出現獲取到錯誤資料的問題。

原因解析：

cin接受使用者輸入時，以使用者輸入的換行符作為結束標識。使用者輸入this is時，遇到字串的中間空白字元（空格、製表符、換行符）時，就認定輸入結束，僅把this儲存到str中，並不是this is。

cin內建有快取器，會把 is快取起來，也就是說 cin是以單詞為單位進行輸入的。

當再次使用cin接受使用者輸入時，cin會檢查到快取器中已經有資料，會直接把is賦值給 bar變數。

如果需要以行為單位進行輸入時，可以使用：

• cin.get()方法。
• cin.getline()方法。

上述 2 個方法主要用於字串陣列的賦值。

兩者在使用時，都可以接受 2 個引數：

• 目標字串。
• 用來限制輸入的大小。

char str[20];
cin.get(str,10);
cout<<str<<endl;
//輸入： this is 輸出：this is

如下程式碼，能實現相同的效果。

char str[20];
cin.getline(str,10);
cout<<str<<endl;

兩者也有區別，cin.get()不會丟棄使用者輸入字串時的結束符。在連續使用 cin.get有可能出現問題，如下程式碼：

char str[20];
char str_[20];
//第一次輸入
cin.get(str,10);
cout<<str<<endl;
//第二次輸入
cin.get(str_,10);
cout<<str_<<endl;

執行效果：

第二次接受使用者輸入的過程根本沒出現。

原因是第一次接受使用者輸入後，cin.get快取了使用者輸入的換行符。在第二次接受使用者輸入時，cin會首先檢查快取器中是否有資料，發現有換行符，直接結束輸入。

解決方案，手動清除快取器的資料。

char str[20];
char str_[20];
cin.get(str,10);
cout<<str<<endl;
//不帶引數的 get 方法可以清除資料
cin.get(); 
cin.get(str_,10);
cout<<str_<<endl;

cin.getline在接受使用者輸入後，不會保留換行符，所以可以用於連續輸入。如下程式碼：

char str[20];
char str_[20];
//第一次輸入
cin.getline(str,10);
cout<<"str:"<<str<<endl;
//第二次輸入
cin.getline(str_,10);
cout<<"str_:"<<str_<<endl;

如果要使用cin輸入一行字串，並賦值給字串物件，則需要使用全域性 getline函式。

//字串物件
string str;
//第一個引數：cin物件  第二個引數：字串物件
getline(cin,str);
cout<<str<<endl;

5. 總結

本文主要講解了C++字串的2種儲存方案，一個是C語言風格的陣列儲存方案，一個是C++物件儲存方案。

因儲存方案不同，其操作函式的提供方式也不相同。