Dlaczego null-zakończone ciągi? Lub: null-zakończone vs. znaki + przechowywanie długości

From Back To Basics :

Dlaczego ciągi C działają w ten sposób? Dzieje się tak dlatego, że mikroprocesor PDP-7, na którym wynaleziono UNIX i język programowania C, miał Typ asciz string. ASCIZ oznaczało " ASCII z (zero) na końcu."

Czy to jedyny sposób na przechowywanie sznurków? Nie, to jeden z najgorszych sposobów na przechowywanie sznurków. W przypadku nietrywialnych programów, API, systemów operacyjnych, bibliotek klas, należy unikać ciągów ASCIZ, takich jak zaraza.

Jedną z korzyści jest to, że z zakończeniem null każdy ogon zakończonego łańcucha null jest również zakończonym łańcuchem null. Jeśli chcesz przekazać ciąg znaków zaczynający się od N-tego znaku (pod warunkiem, że nie ma przekroczenia bufora) do jakiejś funkcji obsługi łańcuchów - nie ma problemu, po prostu przekaż tam adres offseeted. Podczas przechowywania size w inny sposób trzeba by skonstruować nowy ciąg znaków.

Jedną z zalet łańcuchów zakończonych znakiem nul jest to, że jeśli przechodzisz przez łańcuch znak po znaku, musisz tylko zachować pojedynczy wskaźnik, aby adresować łańcuch:

while (*s)
{
    *s = toupper(*s);
    s++;
}

Podczas gdy dla ciągów bez Sentinel, musisz zachować dwa bity stanu wokół: wskaźnik i indeks:

while (i < s.length)
{
    s.data[i] = toupper(s.data[i]);
    i++;
}

...lub aktualny wskaźnik i ograniczenie:

s_end = s + length;
while (s < s_end)
{
    *s = toupper(*s);
    s++;
}

Kiedy rejestry CPU były rzadkim zasobem (a Kompilatory gorzej je alokowały), było to ważne. Teraz nie bardzo.

Nieco offtopic, ale jest bardziej efektywny sposób, aby zrobić Ciągi z prefiksem długości niż sposób, w jaki opisujesz. Utwórz taką strukturę (poprawną w C99 i w górę):

struct String 
{
  size_t length;
  char characters[0];
}

Tworzy to strukturę o długości na początku, z elementem' characters ' używanym jako znak*, tak jak w przypadku bieżącej struktury. Różnica polega jednak na tym, że można przydzielić tylko jeden element na stercie dla każdego ciągu, zamiast dwóch. Przydziel swoje ciągi TAK:

mystr = malloc(sizeof(String) + strlen(cstring))

Eg - długość struktury (która jest tylko size_t) plus wystarczająco dużo miejsca, aby umieścić za nią łańcuch.

Jeśli nie chcesz używać C99, możesz to zrobić również za pomocą "znaków znakowych [1]" i odjąć 1 od długości łańcucha do przydzielenia.

Długości też mają swoje problemy.

• Długość wymaga dodatkowego przechowywania (nie taki problem teraz, ale duży czynnik 30 lat temu).

• Za każdym razem, gdy zmieniasz ciąg znaków, musisz zaktualizować długość, aby uzyskać zmniejszoną wydajność.

• Z zakończonym znakiem NUL możesz nadal używać długości lub przechowywać wskaźnik do ostatniego znaku, więc jeśli robisz wiele manipulacji ciągiem, nadal możesz równać wydajność sznurek-z-długością.

• Ciągi zakończone znakiem NUL są znacznie prostsze - terminator NUL jest tylko konwencją używaną przez metody takie jak strcat do określenia końca łańcucha. Możesz więc przechowywać je w zwykłej tablicy znaków, zamiast używać struktury.

Po prostu wyrzucam jakieś hipotezy:

• nie ma sposobu, aby uzyskać " złą " implementację zakończonych znakiem null łańcuchów. Ustandaryzowana struktura może jednak mieć implementacje specyficzne dla dostawcy.
• nie są wymagane żadne struktury. Null zakończone ciągi są" wbudowane", że tak powiem, ponieważ są szczególnym przypadkiem znaku*.

Chociaż preferuję metodę array + len w większości przypadków, istnieją ważne powody, dla których można użyć null-terminated.

Weźmy 32-bitowy system.

Aby zapisać 7 bajtowy łańcuch
char * + size_t + 8 bajtów = 19 bajtów

Aby zapisać 7-bajtowy łańcuch null-term
char * + 8 = 16 bajtów.

Tablice Null-term nie muszą być niezmienne, tak jak twoje łańcuchy. Mogę szczęśliwie obciąć ciąg c, umieszczając po prostu znak null. Jeśli kodujesz, musisz utworzyć nowy ciąg znaków, co wiąże się z alokacją pamięci.

W zależności od użycia strun, twoje struny nigdy nie będą w stanie dopasować możliwej wydajności z ciągami c w przeciwieństwie do twoich strun.

Masz absolutną rację, że 0-terminacja jest metodą, która jest słaba w odniesieniu do sprawdzania typu i wydajności dla części operacji. Odpowiedzi na tej stronie podsumowujÄ ... Juĺľ jej pochodzenie i zastosowania.

Podobał mi się sposób, w jaki Delphi przechowuje ciągi. Wydaje mi się, że utrzymuje długość / maxlength przed łańcuchem (zmienna długość). W ten sposób łańcuchy mogą być zakończone znakiem null dla zgodności.

Moje obawy związane z Twoim mechanizmem: - dodatkowy wskaźnik - niezmienność si w podstawowych częściach Twojego języka; Zwykle typy ciągów nie są niezmienne, więc jeśli kiedykolwiek zastanowisz się nad tym, będzie to trudne. Trzeba by zaimplementować mechanizm "create copy on change" - korzystanie z malloc (mało wydajny, ale może być tu zawarte tylko dla ułatwienia?)

Powodzenia; pisanie własnego tłumacza może być bardzo pouczające w zrozumieniu głównie gramatyki i składni języków programowania! (przynajmniej dla mnie ws)

Myślę, że głównym powodem jest to, że standard nie mówi nic konkretnego o rozmiarze jakiegokolwiek typu innego niż char. Ale sizeof (char) = 1 i to zdecydowanie za mało dla rozmiaru łańcucha.