【C++】String -- 详解

⚪C语言中的字符串

C 语言中，字符串是以 '\0' 结尾的一些字符的集合，为了操作方便，C 标准库中提供了一些 str 系列的库函数，但是这些库函数与字符串是分离开的，不太符合 OOP 的思想，而且底层空间需要用户自己管理，稍不留神可能还会越界访问。

一、标准库中的string类

1、string类（了解）

https://cplusplus.com/reference/string/string/?kw=string

字符串是表示字符序列的类。
标准的字符串类提供了对此类对象的支持，其接口类似于标准字符容器的接口，但添加了专门用于操作单字节字符字符串的设计特性。
string 类是使用 char，即作为它的字符类型，使用它的默认 char_traits 和分配器类型（关于模板的更多信息，请参阅 basic_string ）。
string 类是 basic_string 模板类的一个实例，它使用 char 来实例化 basic_string 模板类，并用 char_traits 和 allocator 作为 basic_string 的默认参数（关于更多的模板信息请参考 basic_string ）。
注意，这个类独立于所使用的编码来处理字节:如果用来处理多字节或变长字符（如： UTF-8 ）的序列，这个类的所有成员（如长度或大小）以及它的迭代器，将仍然按照字节（而不是实际编码的字符）来操作。

【总结】

string 是表示字符串的字符串类。
该类的接口与常规容器的接口基本相同，再添加了一些专门用来操作 string 的常规操作。
string 在底层实际是：basic_string 模板类的别名，typedef basic_string<char, char_traits, allocator> string;
不能操作多字节或者变长字符的序列。

在使用 string 类 时，必须包含 #include 头文件 以及 using namespace std;

⚪补充（编码）

（1）ASCII

ASCII (American Standard Code for Information Interchange)：美国信息交换标准代码是基于拉丁字母的一套电脑编码系统。ASCII 到目前为止共定义了 128 个字符。

在计算机中，所有的数据在存储和运算时都要使用二进制数表示。例如，像 a、b、c、d 这样的 52 个字母（包括大写）以及 0、1 等数字还有一些常用的符号（例如 *、#、@ 等）在计算机中存储时也要使用二进制数来表示，而具体用哪些二进制数字表示哪个符号，当然每个人都可以约定自己的一套（这就叫编码）。

ASCII 码使用指定的 7 位或 8 位二进制数组合来表示 128 或 256 种可能的字符。标准 ASCII 码也叫基础 ASCII 码，使用 7 位二进制数（剩下的 1 位二进制为 0）来表示所有的大写和小写字母，数字 0 到 9、标点符号，以及在美式英语中使用的特殊控制字符。

常见 ASCII 码的大小规则：数字< 大写字母 < 小写字母。

（2）UTF-8

UTF-8（ 8 位元，Universal Character Set/Unicode Transformation Format）是针对 Unicode 的一种可变长度字符编码。它可以用来表示 Unicode 标准中的任何字符，而且其编码中的第一个字节仍与 ASCII 相容，使得原来处理 ASCII 字符的软件无须或只进行少部分修改后，便可继续使用。

Unicode 的编码方式有三种：UTF-8、UTF-16、UTF-32（ UTF 后的数字代表编码的最小单位，如UTF-8 表示最小单位 1 字节）。由于 UTF-8 与字节序无关（无需 BOM ），同时兼容 ASCII 编码，使得 UTF-8 编码成为现今互联网信息编码标准而被广泛使用。

2、string类的常用接口说明（最常用的接口）

（1）string类对象的常见构造

https://cplusplus.com/reference/string/string/?kw=string

void Teststring()
{
    string s1; // 构造空的string类对象s1
    string s2("hello world"); // 用C格式字符串构造string类对象s2
    string s3(s2); // 拷贝构造s3
}

（2）string类对象的容量操作

string 容量相关方法使用代码演示：

#include <iostream>
using namespace std;

#include <string>

// 测试string容量相关的接口：size/clear/resize
void Teststring1()
{
	// 注意：string类对象支持直接用cin和cout进行输入和输出
	string s("hello world!");
	cout << s.size() << endl; //12
	cout << s.length() << endl; //12
	cout << s.capacity() << endl; //15
	cout << s << endl; //hello world!


	// 将s中的字符串清空，注意清空时只是将size清0，不改变底层空间的大小
	s.clear();
	cout << s.size() << endl; //0
	cout << s.capacity() << endl; //15


	// 将s中有效字符个数增加到10个，多出的位置用'a'进行填充
	// “aaaaaaaaaa”
	s.resize(10, 'a');
	cout << s.size() << endl; //10
	cout << s.capacity() << endl; //15


	// 将s中有效字符个数增加到15个，多出位置用缺省值'\0'进行填充
	// "aaaaaaaaaa\0\0\0\0\0"
	// 注意此时s中有效字符个数已经增加到15个
	s.resize(15);
	cout << s.size() << endl; //15
	cout << s.capacity() << endl; //15
	cout << s << endl; //aaaaaaaaaa


	// 将s中有效字符个数缩小到5个
	s.resize(5);
	cout << s.size() << endl; //5
	cout << s.capacity() << endl; //15
	cout << s << endl; //aaaaa
}

void Teststring2()
{
	string s;
	s.reserve(100);
	cout << s.size() << endl; //0
	cout << s.capacity() << endl; //111

	// reserve参数小于string的底层空间大小时，不会将空间缩小
	s.reserve(50);
	cout << s.size() << endl; //0
	cout << s.capacity() << endl; //111
}

利用 reserve 提高插入数据的效率，避免增容带来的开销。

void TestPushBack()
{
	string s;
	size_t sz = s.capacity();
	cout << "making s grow:\n";
	for (int i = 0; i < 100; ++i)
	{
		s.push_back('c');
		if (sz != s.capacity())
		{
			sz = s.capacity();
			cout << "capacity changed: " << sz << '\n';
		}
	}
}

void TestPushBackReserve()
{
	string s;
	s.reserve(100);
	size_t sz = s.capacity();

	cout << "making s grow:\n";
	for (int i = 0; i < 100; ++i)
	{
		s.push_back('c');
		if (sz != s.capacity())
		{
			sz = s.capacity();
			cout << "capacity changed: " << sz << '\n';
		}
	}
}

构建 vector 时，如果提前已经知道 string 中大概要放多少个元素，可以提前将 string 中空间设置好。

void Teststring3()
{
	string s1("hello World");
	const string s2("Hello World");
	cout << s1 << " " << s2 << endl;
	cout << s1[0] << " " << s2[0] << endl;

	s1[0] = 'H';
	cout << s1 << endl;

	// s2[0] = 'h'; //编译失败，因为const类型对象不能修改
}

注意：

size() 与 length() 方法底层实现原理完全相同，引入 size() 的原因是为了与其他容器的接口保持一致，一般情况下基本都是用 size()。
clear() 只是将 string 中有效字符清空，不改变底层空间大小。
resize(size_t n) 与 resize(size_t n, char c) 都是将字符串中有效字符个数改变到 n 个，不同的是当字符个数增多时：resize(n) 用 0 来填充多出的元素空间，resize(size_t n, char c) 用字符 c 来填充多出的元素空间。注意：resize 在改变元素个数时，如果是将元素个数增多，可能会改变底层容量的大小，如果是将元素个数减少，底层空间总大小不变。
reserve(size_t res_arg=0)：为 string 预留空间，不改变有效元素个数，当 reserve 的参数小于 string 的底层空间总大小时，reserver 不会改变容量大小。

（3）string类对象的访问及遍历操作

string 中元素访问及遍历代码演示：

string 的遍历：

for+operator[]
迭代器
范围 for

注意：string 遍历时使用最多的还是 for+ 下标或者范围 for（C++11 后才支持）。
begin() + end() 大多数使用在需要使用 STL 提供的算法操作 string 时，比如：采用 reverse 逆置 string。

需要注意的以上三种方式除了遍历 string 对象，还可以遍历是修改 string 中的字符。
另外这三种方式对于 string 而言，第一种使用最多。

void Teststring4()
{
	string s("hello World");

	// 1、for+operator[]
	for (size_t i = 0; i < s.size(); ++i)
	{
		cout << s[i] << " ";
	}
	cout << endl;

	// 2、迭代器
	string::iterator it = s.begin();
	while (it != s.end())
	{
		cout << *it << " ";
		++it;
	}
	cout << endl;

	// string::reverse_iterator rit = s.rbegin();
	// C++11之后，直接使用auto定义迭代器，让编译器推到迭代器的类型
	auto rit = s.rbegin(); // 创建一个反向迭代器rit，指向字符串s的最后一个字符
	while (rit != s.rend()) // 当反向迭代器不等于s的逆向结束迭代器时
	{
		cout << *rit << " ";
		++rit; // 将迭代器向前移动一位
	}
	cout << endl;

	// 3、范围for
	for (auto ch : s)
	{
		cout << ch << " ";
	}
	cout << endl;
}

（4）string类对象的修改操作

插入(拼接)方式：push_back append operator+=
正向和反向查找：find() + rfind()
截取子串：substr()
删除：erase

void Teststring5()
{
	string str;
	str.push_back(' '); // 在str后插入空格
	str.append("hello"); // 在str后追加一个字符"hello"
	str += 'w'; // 在str后追加一个字符'w'   
	str += "orld"; // 在str后追加一个字符串"orld"
	cout << str << endl;
	cout << str.c_str() << endl; // 以C语言的方式打印字符串

	// 获取file的后缀
	string file("string.cpp");
	size_t pos = file.rfind('.');
	string suffix(file.substr(pos, file.size() - pos));
	cout << suffix << endl;

	// 取出url中的域名
	string url("http://www.cplusplus.com/reference/string/string/find/");
	cout << url << endl;
	size_t start = url.find("://");
	if (start == string::npos)
	{
		cout << "invalid url" << endl;
		return;
	}
	start += 3;
	size_t finish = url.find('/', start);
	string address = url.substr(start, finish - start);
	cout << address << endl;

	// 删除url的协议前缀
	pos = url.find("://");
	url.erase(0, pos + 3);
	cout << url << endl;
}

npos 是 string 里面的一个静态成员变量。

注意：

在 string 尾部追加字符时，s.push_back(c) / s.append(1, c) / s += 'c' 三种的实现方式差不多，一般情况下 string 类的 += 操作用的比较多，+= 操作不仅可以连接单个字符，还可以连接字符串。
对 string 操作时，如果能够大概预估到放多少字符，可以先通过 reserve 把空间预留好。

（5）string类非成员函数

（6）VS和g++下string结构的说明

注意：下述结构是在 32 位平台下进行验证，32 位平台下指针占 4 个字节。

⚪VS下string的结构

string 总共占 28 个字节，内部结构稍微复杂一点，先是有一个联合体，联合体用来定义 string 中字 符串的存储空间：

当字符串长度小于 16 时，使用内部固定的字符数组来存放。
当字符串长度大于等于 16 时，从堆上开辟空间。

union _Bxty
{   // storage for small buffer or pointer to larger one
    value_type _Buf[_BUF_SIZE];
    pointer _Ptr;
    char _Alias[_BUF_SIZE]; // to permit aliasing
} _Bx;

这个联合体的目的是为了在存储较小的数据时使用数组，而在存储较大的数据时使用指针。通过使用联合体，可以在相同的内存空间中灵活地存储不同类型的数据。

注意：联合体的成员变量共享同一块内存空间，因此在使用时需要确保对应的成员变量是有效的。

这种设计也是有一定道理的，大多数情况下字符串的长度都小于 16，那 string 对象创建好之后，内部已经有了 16 个字符数组的固定空间，不需要通过堆创建，效率高。

其次，还有一个 size_t 字段保存字符串长度，占用4个字节， 一个 size_t 字段保存从堆上开辟空间总的容量，占用4个字节。

最后，还有一个指针做一些其他事情，占用4个字节。

故总共占 16+4+4+4=28 个字节。

⚪g++下string的结构

G++ 下，string 是通过写时拷贝实现的，string 对象总共占 4 个字节，内部只包含了一个指针，该指针将来指向一块堆空间，内部包含了如下字段：

空间总大小
字符串有效长度
引用计数

struct _Rep_base
{
    size_type _M_length;
    size_type _M_capacity;
    _Atomic_word _M_refcount;
};

指向堆空间的指针，用来存储字符串。

二、string类的模拟实现

1、经典的string类问题

模拟实现 string 类，最主要是实现 string 类的构造、拷贝构造、赋值运算符重载以及析构函数。下面这个 string 类的实现是否有问题呢？

// 为了和标准库区分，此处使用String
class String
{
public:
    /*
    String()
        :_str(new char[1])
    {*_str = '\0';}
    */

    //String(const char* str = "\0") 错误示范
    //String(const char* str = nullptr) 错误示范

    String(const char* str = "")
    {
        // 构造String类对象时，如果传递nullptr指针，可以认为程序非法
        if (nullptr == str)
        {
            assert(false);
            return;
        }
        _str = new char[strlen(str) + 1];
        strcpy(_str, str);
    }

    ~String()
    {
        if (_str)
        {
            delete[] _str;
            _str = nullptr;
        }
    }
private:
    char* _str;
};

void TestString()
{
    String s1("hello world!");
    String s2(s1);
}

说明：上述 String 类没有显式定义其拷贝构造函数与赋值运算符重载，此时编译器会合成默认的，当用 s1 构造 s2 时，编译器会调用默认的拷贝构造。最终导致的问题是，s1、s2 共用同一块内存空间，在释放时同一块空间被释放多次而引起程序崩溃，这种拷贝方式，称为浅拷贝。

2、浅拷贝

浅拷贝 ：也称位拷贝，编译器只是将对象中的值拷贝过来。如果对象中管理资源，最后就会导致多个对象共享同一份资源，当一个对象销毁时就会将该资源释放掉，而此时另一些对象不知道该资源已经被释放，以为还有效，所以当继续对资源进项操作时，就会发生发生了访问违规。

可以 采用深拷贝解决浅拷贝问题 ，即：每个对象都有一份独立的资源，不要和其他对象共享。

3、深拷贝

如果一个类中涉及到资源的管理，其拷贝构造函数、赋值运算符重载以及析构函数必须要显式给出。一般情况都是按照深拷贝方式提供。

（1）传统版写法的String类

class String
{
public:
    String(const char* str = "")
    {
        // 构造String类对象时，如果传递nullptr指针，可以认为程序非法
        if (nullptr == str)
        {
            assert(false);
            return;
        }
        _str = new char[strlen(str) + 1];
        strcpy(_str, str);
    }

    String(const String& s)
        : _str(new char[strlen(s._str) + 1])
    {
        strcpy(_str, s._str);
    }

    String& operator=(const String& s)
    {
        if (this != &s)
        {
            char* pStr = new char[strlen(s._str) + 1];
            strcpy(pStr, s._str);
            delete[] _str;
            _str = pStr;
        }
        return *this;
    }

    ~String()
    {
        if (_str)
        {
            delete[] _str;
            _str = nullptr;
        }
    }
private:
    char* _str;
};

（2）现代版写法的String类

class String
{
public:
    String(const char* str = "")
    {
        if (nullptr == str)
        {
            assert(false);
            return;
        }
        _str = new char[strlen(str) + 1];
        strcpy(_str, str);
    }

    String(const String& s)
        : _str(nullptr)
    {
        String strTmp(s._str);
        swap(_str, strTmp._str);
    }

    // 下面两个的赋值实现，前者更好
    String& operator=(String s)
    {
        swap(_str, s._str);
        return *this;
    }

    //下面的实现方式缺点：需要进行额外的判断和创建临时对象，增加了代码的复杂度和开销
    //String& operator=(const String& s)
    //{
    //    if(this != &s)
    //    {
    //        String strTmp(s);
    //        swap(_str, strTmp._str);
    //    }
    //    return *this;
    //}

    ~String()
    {
        if (_str)
        {
            delete[] _str;
            _str = nullptr;
        }
    }
private:
    char* _str;
};

（3）写时拷贝

写时拷贝 就是一种拖延症，是在浅拷贝的基础之上增加了引用计数的方式来实现的。

引用计数：用来记录资源使用者的个数。在构造时，将资源的计数给成 1，每增加一个对象使用该资源，就给计数增加 1，当某个对象被销毁时，先给该计数减 1，然后再检查是否需要释放资源，如果计数为 1，说明该对象时资源的最后一个使用者，将该资源释放；否则就不能释放，因为还有其他对象在使用该资源。

（4）string类的模拟实现

#pragma once

#include <iostream>
using namespace std;
#include <assert.h>

namespace xyl
{
	class string
	{
	public:
		typedef char* iterator;
	public:
		string(const char* str = "")
		{
			_size = strlen(str);
			_capacity = _size;
			_str = new char[_capacity + 1];
			// +1确保有足够的空间存储字符串,因为还需要额外的一个字节来存储'\0'
			strcpy(_str, str);
		}

		string(const string& s)
			: _str(nullptr)
			, _size(0)
			, _capacity(0)
		{
			string tmp(s._str);
			this->swap(tmp);
		}

		string& operator=(string s)
		{
			this->swap(s);
			return *this;
		}

		~string()
		{
			if (_str)
			{
				delete[] _str;
				_str = nullptr;
			}
		}


		// iterator
		iterator begin()
		{
			return _str;
		}

		iterator end()
		{
			return _str + _size;
		}

		
		// modify
		void push_back(char c)
		{
			if (_size == _capacity)
			{
				reserve(_capacity * 2);
			}			
			_str[_size++] = c;
			_str[_size] = '\0';
		}

		string& operator+=(char c) //用于将一个字符追加到字符串的末尾
		{
			push_back(c);
			return *this;
		}

		void append(const char* str);

		string& operator+=(const char* str);

		void clear()
		{
			_size = 0;
			_str[_size] = '\0';
		}

		void swap(string& s)
		{
			std::swap(_str, s._str);
			std::swap(_size, s._size);
			std::swap(_capacity, s._capacity);
		}

		const char* c_str()const // 返回一个指向字符串的常量字符指针
		{
			return _str;
		}


		// capacity
		size_t size()const
		{
			return _size;
		}

		size_t capacity()const
		{
			return _capacity;
		}

		bool empty()const
		{
			return 0 == _size;
		}

		void resize(size_t newSize, char c = '\0')
		{
			if (newSize > _size)
			{
				// 如果newSize大于底层空间大小，则需要重新开辟空间
				if (newSize > _capacity)
				{
					reserve(newSize);
				}
				memset(_str + _size, c, newSize - _size);
			}
			_size = newSize;
			_str[newSize] = '\0';
		}

		void reserve(size_t newCapacity)
		{
			// 如果新容量大于旧容量，则开辟空间
			if (newCapacity > _capacity)
			{
				char* str = new char[newCapacity + 1];
				strcpy(str, _str);

				// 释放原来旧空间,然后使用新空间
				delete[] _str;
				_str = str;
				_capacity = newCapacity;
			}
		}


		// access
		char& operator[](size_t index) // 用于访问字符串中指定位置的字符
		{
			assert(index < _size);
			return _str[index];
		}

		const char& operator[](size_t index)const
		{
			assert(index < _size);
			return _str[index];
		}
		

		bool operator<(const string& s);

		bool operator<=(const string& s);

		bool operator>(const string& s);

		bool operator>=(const string& s);

		bool operator==(const string& s);

		bool operator!=(const string& s);

		// 返回c在string中第一次出现的位置
		size_t find(char c, size_t pos = 0) const;

		// 返回子串s在string中第一次出现的位置
		size_t find(const char* s, size_t pos = 0) const;

		// 在pos位置上插入字符c，并返回该字符的位置
		string& insert(size_t pos, char c);

		// 在pos位置上插入字符串str，并返回该字符的位置
		string& insert(size_t pos, const char* str);

		// 删除pos位置上的元素，并返回该元素的下一个位置
		string& erase(size_t pos, size_t len);

	private:
		friend ostream& operator<<(ostream& _cout, const xyl::string& s);
		friend istream& operator>>(istream& _cin, xyl::string& s);
	private:
		char* _str;
		size_t _capacity;
		size_t _size;
	};

	ostream& operator<<(ostream& _cout, const xyl::string& s)
	{
		// 不能使用cout, 因为string的字符串内部可能会包含\0
		// 直接cout时, 是将_str当成char*打印的，遇到内部的\0时后序内容就不打印了
		//cout << s._str;
		for (size_t i = 0; i < s.size(); ++i)
		{
			_cout << s[i];
		}
		return _cout;
	}
}


// 对自定义的string类进行测试
void Teststring()
{
	xyl::string s1("hello");
	s1.push_back(' ');
	s1.push_back('w');
	s1.push_back('o');
	s1.push_back('r');
	s1 += 'l';
	s1 += 'd';
	cout << s1 << endl; //hello world
	cout << s1.size() << endl; //11
	cout << s1.capacity() << endl; //20

	// 利用迭代器打印string中的元素
	xyl::string::iterator it = s1.begin();
	while (it != s1.end())
	{
		cout << *it;
		++it;
	}
	cout << endl;

	// 这里可以看到一个类只要支持的基本的iterator，就支持范围for
	for (auto ch : s1)
	{
		cout << ch;
	}	
	cout << endl;
}