Phper 学 C 兴趣入门 -为什么有的字符串处理这么难

需求

假如有这样的一个需求，有个日期，想要截取获得其年份。我们用 php 可以使用explode，也可以使用strtok

$a = "2019-09-10 00:00:00";
echo strtok($a,"-"); // 2019

可能大家对strtok不太熟悉，它的作用是用-来分割$a获取子串，循环调用可以达到和explode差不多的效果。具体可以看下官方手册里面的 demo https://www.php.net/manual/zh...

实验

实验1

我之所以用strtok呢，是因为C 语言里也有这个函数，这个函数比较“怪”，每一次调用，是将字符串中找到的-替换为\0，然后返回标记字符串的首地址。

#include <stdio.h>
#include <string.h>

int main(int argc, char *argv[]) {

    char date[] = "2019-09-10";
    char *tmp   = strtok(date, "-");

    printf("%s,%p\n", tmp, (void *) tmp);   // 2019,0x7ffe8741bdd0
    printf("%s,%p\n", date, (void *) date); // 2019,0x7ffe8741bdd0
    printf("%d,%c\n", date[4], date[4]);    // 0,

    return 0;
}

实验2

当我们使用char指针来作为字符串的初始化时，又会是怎样呢？

#include <stdio.h>
#include <string.h>

int main(int argc, char *argv[]) {

    char *date = "2019-09-10";
    char *tmp  = strtok(date, "-");

    printf("%s,%p\n", tmp, (void *) tmp);   // 2019,0x7ffe8741bdd0
    printf("%s,%p\n", date, (void *) date); // 2019,0x7ffe8741bdd0
    printf("%d,%c\n", date[4], date[4]);    // 0,

    return 0;
}

运行的结果却是

Segmentation fault

原理

当我们使用指针变量作为左值，双引号字符串作为右值时，背后双引号的逻辑是：

• 在只读区申请内存，存放字符串
• 在字符串尾加上了'/0'
• 返回字符串的首地址

所以char * date就在栈上存放里双引号字符串返回的首地址。当使用strtok的时候，通过实验1可以看到strtok实际是找到的字符串替换为\0，也就是说需要修改原字符串的。而该字符串是在只读区，不不能修改，所以运行出现了段错误。

反过来思考，我们 char date[]数组通过双引号初始化的时候又是什么原理，是不是也是双引号返回了常量字符串首地址，然后再通过循环一个个赋值到char数组里呢？

实验3

猜想归猜想。我们通过实验来证明下。

#include <stdio.h>

int main(int argc, char const *argv[])
{
    char *str1  = "123";
    char str2[] = {'1','2','3'};
    char str3[] = {"123"};
    char str4[] = "123";
 
    return 0;
}

通过objdump 反汇编可以看到

$ gcc a.c
$ objdump -D a.out

00000000004004ed <main>:
  4004ed:    55                       push   %rbp
  4004ee:    48 89 e5                 mov    %rsp,%rbp
  4004f1:    89 7d cc                 mov    %edi,-0x34(%rbp)
  4004f4:    48 89 75 c0              mov    %rsi,-0x40(%rbp)
  4004f8:    48 c7 45 f8 c0 05 40     movq   $0x4005c0,-0x8(%rbp)
  4004ff:    00
  400500:    c6 45 f0 31              movb   $0x31,-0x10(%rbp)
  400504:    c6 45 f1 32              movb   $0x32,-0xf(%rbp)
  400508:    c6 45 f2 33              movb   $0x33,-0xe(%rbp)
  40050c:    c7 45 e0 31 32 33 00     movl   $0x333231,-0x20(%rbp)
  400513:    c7 45 d0 31 32 33 00     movl   $0x333231,-0x30(%rbp)
  40051a:    b8 00 00 00 00           mov    $0x0,%eax
  40051f:    5d                       pop    %rbp
  400520:    c3                       retq
  400521:    66 2e 0f 1f 84 00 00     nopw   %cs:0x0(%rax,%rax,1)
  400528:    00 00 00
  40052b:    0f 1f 44 00 00           nopl   0x0(%rax,%rax,1)

$objdump -j .rodata -d 3.out

a.out:     file format elf64-x86-64


Disassembly of section .rodata:

00000000004005b0 <_IO_stdin_used>:
  4005b0:    01 00 02 00 00 00 00 00                             ........

00000000004005b8 <__dso_handle>:
    ...
  4005c0:    31 32 33 00                                         123.

实验结论

可以看到
第一个变量（黄色框）初始化是传入了一个地址，而这个地址4005c0正是下面只读数据段里面的，我们可以看到下面4005c0 储存数据31323300十六进制对应的ascii码里面的就是123\0。
第二个变量（红色框）是通过三次mov操作放到了栈上（movb表示按字节移动）。
第三个变量和第四个变量的方式一样，都是直接把字符串传递到了栈上，而不是像第一个变量那样，传递的是一个地址。

所以，用指针初始化的字符串在只读取，不能被改写；用 char 数组形式初始化的字符串，即使使用了双引号来初始化，也是在栈上，后面程序是可以改写的。

扩展

C 语言也太坑爹了，这样每个函数怎么用，我们怎么知道传入的字符串在函数内部会不会做变更呢？
其实在函数手册可以看到一些细节，比如下面的函数

char *strchr(const char *s, int c);
char *strtok(char *str, const char *delim);
char *strcat(char *dest, const char *src);

当形参为const char *的时候，说明函数不会对该段内存里的数据做变更，传入栈上、堆上、只读区的地址都行；反之，如果形参为char *就要小心了，可以认为它的意思是数组，会改变传入的“字符串”。

思考

根据我们上面分析的

#include <stdio.h>
#include <string.h>

int main(int argc, char *argv[]) {

    char *date = "2019";
    strcat(date, "-09-10");
    printf("%s,%p\n", date, (void *) date);

    return 0;
}

运行时肯定是Segmentation fault了，因为“2019”是存在了只读取。

如果换成下面的代码，又会怎样呢？

#include <stdio.h>
#include <string.h>

int main(int argc, char *argv[]) {

    char date[] = "2019";
    strcat(date, "-09-10");
    printf("%s,%p\n", date, (void *) date);

    return 0;
}

linux gcc 编译可运行，但是实际是有问题的，比如我改成

#include <stdio.h>
#include <string.h>

int main(int argc, char *argv[]) {

    char date[] = "2019";
    strcat(date, "-09-1000000000000000000");
    printf("%s,%p\n", date, (void *) date);

    return 0;
}

就会出现段错误，也许在你的服务器编译运行又不报错，如果不报错请增加追加字符串的长度然后尝试。（C 程序就是这么神奇，能运行不一定表示没问题）因为date初始化分配的内存不足以存放连接之后的字符串。我们改写为

#include <stdio.h>
#include <string.h>

int main(int argc, char *argv[]) {

    char date[11] = "2019";
    strcat(date, "-09-10");
    printf("%s,%p\n", date, (void *) date);

    return 0;
}

这样就可以正常运行了。坑爹啊，C 语言也麻烦了，一不小心就写错，怪不得 PHP 是世界上最好的语言。

安利

世上无难事只怕有心人，如果觉得想学C语言，又比较困难，不如我们一起来学，赶快上车 https://segmentfault.com/ls/1...

也欢迎大家关注我的公众号，不发骚扰，只发干货原创文章