C++ string介绍和坑

一、string原理介绍

1）内部数据结构

①三指针（类似vector）
（1）数据起始段，begin of the allocated region and data
（2）数据终止段，end of data
（3）数据存到现在buffer的哪个位置了， a pointer (begin of allocated region and data)
②两整数：
（1）存储字母的数量，number of characters in the string
（2）分配buffer的字节数，number of allocated bytes

2）工作机制（更细节涉及到对应编译器不同平台的具体实现）

(1)步骤

0）一开始若小于24字节，就默认分配24字节的内存区域
1）当新赋值字符串，如果分配的内存还有余额或整块内存都可以放得下字符串数据，那么就在第三个指针后面更新数据；
2）当余额buffer内存不够来存储了，那就动态分配更多内存来字符串，有的说是1.5倍所需内存或2倍所需内存，than the alternative of growing by a single allocation block.，然后把自己的原先内容拷贝过去

• 缺点
  因为要从原先的地方拷贝，所以效率不好

(2)替代者

一个是 Facebook folly 出品的 FBString ，另一个是 Google 出品的 StringPiece，例如 leveldb 中的 Slice

• 1. StringPiece什么是 StringPiece ？A string-like object that points to a sized piece of memory说白了就是string的只读视图，为了便于解释，直接来看代码吧：void func(const std::string & str);
     const & 限定了 函数 func 没法修改入参 str，但是如果给 func 传递的参数是 char * 或者 const char *，那么将构造一个临时的 std::string，并且产生了字符串的拷贝，但是显然这次拷贝并没有必要。StringPiece 就是在这种情况去替换 std::string，可以避免字符串拷贝，因为 StringPiece 只是简单接管一下指针，看一下 StringPiece 的简单实现就知道了，这里以 leveldb 中的 Slice 为例子，看一下其构造函数就明白了

class LEVELDB_EXPORT Slice {
 public:
  ......
  Slice(const char* d, size_t n) : data_(d), size_(n) { }
  ......
 private:
  const char* data_;
  size_t size_;
};    
1
2
3
4
5
6
7
8
9

• 2. FBStringFBString 是 facebook 开源 C++ lib folly 的一个 std::string 替换着，如果你想更好的性能，又不想重写，那么 FBString 是一个不错的选择，Facebook 对其做了大量的性能优化，其核心特点如下：100% 兼容 std::string高性能的内存管理，对不同大小的字符串， 分 3 种情况分配和管理内存：

（1）string length <= 23，使用栈上内存；
（2）23< string length <=255，使用 malloc 分配堆上内存；
（3）string lenght > 255，堆上内存，且使用引用计数 + COW 计数，实现在真正需要的时候才拷贝修改，避免大字符串不必要的拷贝find 操作使用了 Boyer Moore [3] 算法，

• 性能
  相比 O(n) 的 KMP 实际性能好很多，Facebook 官方宣称性能：Casual tests indicate a 30x speed improvement overstring::find()for successful searches and a 1.5x speed improvement for failed searches感兴趣的可以去了解使用下。实际上没有最好，只有最合适，就看 std::string 是否满足你的需求

二、仅介绍MSVC和GCC编译器对于string的不同实现

• gcc
  gcc4.8.5之前都是COW，
• MSVC
  MSVC debug下无任何优化，release下是SSO
• SSO解释
  SSO是短/小字符串优化。 std::string 通常，A 将字符串存储为指向免费存储区（“堆”）的指针，该存储区具有与调用相似的性能特征 new char [size] 。 这样可以防止非常大的字符串出现堆栈溢出，但是这样做可能会更慢，尤其是对于复制操作而言

三、string的坑

1）C++中string.size()函数 踩坑

• 原因
  例如string、vector等类型的size函数返回的是一个无符号整型数
• 解释
  带符号数将自动转换为无符号数，例如-1，由于-1的二进制表示的最高位为1，这回导致size() > -1一定会返回false。在进行判断size()时，还是应该使用0进行比较。
• 错误实例

#include
#include
using namespace std;

int main(){
	string haystack = "";
	string needdle = "a";
	int i=0;
	cout<<haystack.size()<<endl;
	cout<<needdle.size()<<endl;
	cout<<haystack.size()-needdle.size();
	return 0;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14

haystack的长度为0，needle的长度为1，而 无符号的 0减1 时出现了如下情况

• 结果
  

2）官网string文档

传送门

四、注意点

1）std string是一个char vector，它保存的是自己本身，因此对于ascii字节和宽字节，它需要不同的容器去实现

2）不支持split，find & substr即可解决，何况还有几个加强版的find, 虽然在C++11中，你可以使用更通用的闭包版本来解决，但他的确提供了几个方便又好理解的加强版：find_first_of, find_last_of, find_first_not_of, find_last_not_of；

3）C++11明确规定了字符串以\0结尾了。为的是data()能兼容c风格字符串

4）string是模板的标准库，effectiveC++不建议继承

5）copy_on_write与多线程有安全问题.

6）std::string无法作为dll接口参数