C++ STL初阶（2）：string 的模拟实现

此文的背景是自己实现库中的string，由于string的模版实现较为困难，我们只实现最简单char版本。

1.命名空间分割

为了避免与库中的string冲突，我们使用一个自己的命名空间中来分离并实现所有内容，并且将所有的声明和定义相分离，因此需要使用相同名字的命名空间。申明和定义都在同一个命名空间中，就会自动合并。

(用一个命名空间来隔离。避免冲突)

为什么 # include " string.h"不会与库冲突？

在编译一讲提到过，双引号下的头文件名字先搜索自己的本地文件。又由于我们自己实现了

string.h在项目文件夹中，所以会优先使用我们自己实现的string

2.构造、析构函数

先在.h文件中声明：

（VS下的string其实还包含一个16个字节的buffer数组，此处我们简化掉该buffer数组）

再到.cpp中去实现：

namespace lsnm {
	string::string(const char* str) 
		:_str(str),
		_size(strlen(str)),
		_capacity(strlen(str))
	{}
	string::~string() {

	}
}

为什么不用sizeof而是用strlen?

szieof（_str）相当于计算一个指针的大小，因为这是一个常量字符串的指针，而不是数组名，因此不会计数整个数组的大小。

但是发现出现了报错：

为什么在初始化列表中不能直接用参数str来初始化？

由内存管理中的知识可知，如果用一个常量字符串赋值来初始化

（str和_str都是char* 类型的变量，我们没有拷贝，而是一直都在传指针，相当于传了一个常量区的指针去可读可写，扩大了权限）

常量字符串是存在于常量区的并且不可被修改的，直接
:_str(str)，
会使我们按照string s1="abcd"初始化的s1无法改变内容（无法插入删除修改等）

正确使用方法：

namespace lsnm {
	string::string(const char* str) 
		:_str( new char[strlen(str)+1]),
		_size(strlen(str)),
		_capacity(strlen(str))
	{
		strcpy(_str, str);
	}
	string::~string() {

	}
}

提醒：类函数定义需要指定类域，所以每一个函数前面都有一个 string ::

此时的函数有一个问题：

上文构造函数中，strlen要跑三次，效率较低，能不能按照下文方法写？

先在初始化列表中写size，只执行一次strlen呢？

这是经典错误。因为初始化列表会按照在private中的声明的顺序初始化。

解决方案：

1.在private中改声明顺序为适合的顺序：

但是这样不妥，如果一不小心改了private中的顺序就会出现报错。

解决方案2：

初始化列表虽然好，但是也不能死板的一直使用，此时就建议放在函数体中去定义。

复习关于初始化列表：

string::string(const char* str) 
	:_size(strlen(str))
{
	_str = new char[strlen(str) + 1];
	strcpy(_str, str);
	_capacity = _size;
}

我们再快速实现一个c_str（因为现在还没有实现流提取的重载，所以c_str之后可以便于打印和检查），建议用后置const修饰this指针，也就是：

const char* c_str() const;

这样的话const的string和非const修饰的string就都可以调用这个c_str() ，当然，同时也都不能修改由c_str返回的char形数组。

（此处的string都指的是我们自己实现的string）

注意：在.c文件中分离实现时，返回类型是写在域名的前面的。

namespace lsnm {
	string::string(const char* str) 
		:_size(strlen(str))
	{
		_str = new char[strlen(str) + 1];
		strcpy(_str, str);
		_capacity = _size;
	}
	string::~string() {
		delete[] _str;
		_str = nullptr;
		_size = _capacity = 0;
	}
	const char*  string :: c_str() const {
		return this->_str;
	}
}

在之前的学习中，我们说到构造函数（尤其是包含自定义类型）最好实现默认构造。

因此我们再实现一个无参的string构造函数。

这样写又是很经典的错误。错误原因：与库中的功能不符合。库中直接string s1;

紧接着，s1可以被自由使用、打印，其里面只包含了一个'\0'

但是报错的原因不是delete，因为free和delete的底层都是可以操作nullptr的.....

正确的做法：

（new出来的自定义类型在后面用花括号赋值）：

string::string() {
	_str = new char[1] {'\0'};
	_size = _capacity = 0;
}

//也可以写成这样
string::string() 
	: _str(new char[1]{""})
{
	_size = _capacity = 0;
}

然后合并无参和带参为全缺省：

不写\0是因为作为char类型的数组，本身自带\0

声明和定义分离时，参数写在声明处。

3.方括号遍历与size函数

size_t string :: size() const{
	return this->_size;
}

char& string:: operator[](size_t pos) {
    assert(pos<_size);
	return _str[pos];
}

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

4.实现用于遍历的迭代器

除了方括号遍历, 最常用的还有范围for循环。

我们如果想实现范围for,就需要先实现迭代器版本的遍历。（范围for循环的底层是编译为迭代器版本的循环）

因为范围for的底层是迭代器；

我们此处只实现原生指针版本的迭代器

先typedef一下

注意，返回类型和函数名都属于类域中，都需要单独用类域展开一下：

iterator属于 char* ,所以此处的实现直接按照指针来就可以了

string::iterator string::begin() {
	return this->_str;
 }
string::iterator string::end() {
	return this->_str + _size;
}

我们操作的都是加了一层皮的char* , begin()和end()返回的都是指针

切记，iterator是我们自己定义的。

但是，倘若我们把自定义的iterator全部换回char*

范围for还能通过吗？

答案是可以的，因为范围for的底层是去找begin()和end()，只要实现了begin()和end()，就都可以实现了。auto又能自动推导类型，将e作为char类型

但是如果我们把begin改成Begin，范围for就又不能通过了，因为找不到begin()

iterator的作用：

用iterator的方法是完成一种对底层逻辑的封装。因为iterator其实不确定到底是哪种类型，自定义类型还是内置类型都有可能作为iterator。

因为iterator的原生类型都不一样，不同的平台实现也可能不一样，所以规定都叫做iterator,便于使用。比如reverse算法函数，不关心你的访问方法是自定义、还是char*、还是int*，只管使用iterator

这样就能将分离的算法和数据结构相结合，也统一了不同的数据结构的使用方法。

所有的访问方式都能通过迭代器进行。对使用者更加方便。

这一点也能体现类和对象中的特点之一：封装。

除此之外，还有const修饰的iterator:

string ::iterator string:: begin(){
	return _str;
}
string::iterator string::end(){
	return _str+_size;
}
string::const_iterator string::begin() const{
	return _str;
}
string::const_iterator string::end() const {
	return _str+_size;
}

5.增添、删除、修改

string作为一个相对复杂的顺序表

5.1 push_back和append

前者用来插入字符，后者用来插入字符串。

前者在扩容时可以直接扩二倍，但是增加字符串的时候可以只增加二倍吗？

因此，我们需要先引入扩容函数：

实现如下：

void string :: reserve(size_t n) {
	if (n <= this->_size) return;
	char* tmp = new char[n+1];//多开一个预留给\0
	strcpy(tmp, _str);
	delete[] _str;
	_str = tmp;
	_capacity = n;
}

只要我们希望reserve出的空间大于等于 _size+1 （还需要给'\0'留一个位置），就都是合法的，可以在大于等于_size+1的情况下进行缩容。

再实现两个填充内容的函数：

关于开出空间的大小：如果需要n个空间，永远开n+1个空间，因为要预留一个给\0

自己开空间，拷贝内容，改变指针指向，再将原空间释放掉。

同时，对push_back和append是否需要扩容作出判断：

在push_back汇总同时处理\0:

对于append，我们可以使用最简单的for循环一个一个放进去：

void string::append(const char* str) {
	size_t len = strlen(str);
	reserve(_size + len);
	for (int i = 0; i < len; i++) {
		_str[_size++] = str[i];
	}
	_str[_size] = '\0';
}

也可以用C语言中的字符串函数如strcat去实现，（strcat能自主覆盖destination的\0并且移植新的\0）

strcat有什么弊端？

strcat的底层是从头开始找'\0'，然后从\0的位置开始覆盖。这样固然没有问题，但是操作效率变低。我们清晰\0的位置 : (_str+_size) ，那直接使用strcpy,跳过寻找\0的过程，提高效率。

再实现类似功能(并且最好用)的 +=

string& string::operator+=(char ch) {
	push_back(ch);
	return *this;
}

string& string::operator+=(const char* str) {
	append(str);
	return *this;
}

此处是实现类的内部函数，所以默认所有的push_pack或者append都是直接对this对应的元素使用。

记得传引用返回，提升效率，避免传值返回时重复复制。

5.2 insert和erase

先声明三个函数：

为什么不给pos加缺省参数？

要给pos加缺省参数就必须先给ch或者str加，因为缺省参数只能从右边开始赋值。

需要用到npos，我们自己定义一个static的npos.

static需要在第一次使用时就既声明又定义，但如果就像上图那样使用，string.cpp和string.h都会包含一次这个npos，导致重复定义，从而链接出错。

关于静态成员在不需要链接时候的使用如下：

C++:类与对象（2）-CSDN博客

static修饰的成员变量没有被保存在类中，而是保存在静态区中。

本文中，应当将npos的声明和定义相分离：在.h中声明，在.cpp中定义，在.test中可以直接使用。

链接时，类似于函数一样，因为先在头文件中声明过了所以编译能通过，最后去生成.o中找这个值。

补充一点很奇怪的知识：

可以用const修饰之后给缺省值，并且只有整型可以。

很奇怪，了解即可。

实现insert:

注意，要将\0一并移走，所以从end+1（\0所在位置）开始移动。

void string :: insert(size_t pos, char ch) {
	assert(pos <= _size);
	if (_size == _capacity) {
		size_t newcapacity = _capacity == 0 ? 4 : 2 * _capacity;
		reserve(newcapacity);
	}
	size_t end = _size;
	for (int i = _size - pos; i >= 0; --i) {
		_str[end + 1] = _str[end];
		end--;
	}
	_str[pos] = ch;
}

注意顺序表阶段的一个小问题，往哪边挪就得从哪边开始挪。

不用担心\0，\0也被一起挪动了。

不过如果不引进变量i, 写成以下形式，并且进行头插（在pos=0的位置插入）：

end作为一个无符号整形，不管如何加减，是不可能小于0的。

因此此时无法头插，会死循环：

那如果将end改为int呢？

依然死循环。

5.2.1无符号小于等于零都是坑

为什么将end的类型改成int之后依然会死循环呢？？

对于一个双目操作符，当两侧数据的类型不一样时，会发生隐式类型转换。

其中的原则就是有符号的都会变为无符号的。因此在判断end >= pos时，会因为_size的类型是无符号整形，所以end也会被转换成无符号整形。

解决方法：

1. while的条件中进行强转。

2. pos直接写成int，但是这样与库中不一样。

3. 将end指向更后面的一位，等于0的时候就会跳出循环。

4. 引入新变量int

插入字符串的insert：

移动部分的逻辑同上：

紧接着我们利用库函数将传入的参数str直接插入*this

但是插入部分不能用strcpy，因为strcpy会自己补/0，提前结束字符串

因此使用strncpy或者memcpy来避免自动补\0的问题

（关于C语言字符串函数中的弊端，我们稍加总结：strcat会从头开始找\0，效率较低；而strcpy会在插入结束后自动在末尾补\0，因此strcpy不能用于在一个字符串的中间插入;memcpy就是一个字节一个字节的拷贝，非常“朴实无华”）

void string :: insert(size_t pos, const char* str) {
	assert(pos <= this->_size);
	size_t len = strlen(str);
	if (_capacity < _size + len)
		reserve(_size + len);

	size_t end = _size;
	//_str[_size + len + 1] = '\0';
	//"abcdefg\0"  "qwe\0"
	while (end >= pos) {
		_str[end + len] = _str[end];
		--end;
	}
	memcpy(_str + pos, str, len);
	_size += len;
}

依然有死循环的问题，我们改变end的类型并且在while条件处强转：

5.2.2erase

当触发len==npos，需要全部删完的时候：

不要考虑用delete，因为delete不能只删除部分空间。

直接将pos位置变成\0即可（pos位置后面的都不要了），同时改变_size

或者要删除的长度len大于可以被删除的部分（就像官网定义中的is too short的那样）

不全部删完：

直接平移覆盖即可。

void string::erase(size_t pos, size_t len) {
	assert(pos < _size);
	if (len > _size - pos) {
		_str[pos] = '\0';
	}
	else {
		for (int i = pos + len; i <= _size; i++) {
			_str[i - len] = _str[i];
		}
	}
}

也可以将for循环的覆盖写为：

6.find函数

寻找字符:

默认找不到的时候不可能是无符号整形的最大值（42亿多，一个字符串不可能有四个G）

size_t string::find(char ch, size_t pos) const {
	assert(pos < _size);
	for (int i = pos; i < _size; i++) {
		if (_str[i] == ch)
			return i;
	}

	return npos;
}

匹配子串：

用strstr（底层是BF算法）即可。因为KMP的算法在实际运用中效率并没有非常出色，非常依赖自身的重复性（需要自身的重复性来体现效率）。

7.拷贝构造

如果我们执行这样一个代码：

由于没有实现拷贝构造，所以自动生成一个浅拷贝。

但是此处浅拷贝就会在析构的时候报错，因为对同一块堆上的数组空间析构了两次。

同时，也存在修改s1就会修改到s2的尴尬情况。

因此，我们换一个新逻辑：直接重新开一个一样的空间，进行strcpy即可。

string::string(const string& s)
{
	_str = new char[s._capacity + 1];
	strcpy(_str, s._str);
	_size = s._size;
	_capacity = s._capacity;
}

8.运算符重载

8.1 赋值运算符重载:

先试试系统默认生成的：

为什么发生报错呢？

原因和之前的拷贝构造一样，默认生成的是浅拷贝，浅拷贝是一个字节一个字节的拷贝，会将_str的指针拷贝过去，在释放时会对同一个数组delete[]两次，因此报错。

除了两次delete[]会发生报错，还有以上两种情况证明浅拷贝是不够的：

情况1空间不够，情况2空间浪费严重

解决方法：

我们简单粗暴的处理，直接开一个新空间调用strcpy，再释放掉原空间。

不过倘若执行 s1=s1就亏了，再加一个判断条件：

此时再执行s2=s1就不会报错了：

此时能使用swap完成s1和s2的交换吗？

8.2 swap

答案是可以的，因为swap是模版函数。

但是这个swap代价很大，通过观察swap的源码，我们发现要完成swap需要三次深拷贝。

所以我们自己在类中实现一个消耗小的：

直接改指针即可，并且使用库中的swap调换相应的数据：

C++标准库自然也想到了这个问题，string作为一个容器，有专属于自己的swap，来避免深拷贝问题。

为了避免使用者不小心调用库中的标准swap，c++考虑的非常周全，利用匹配原则（如上）：直接调用swap(string)版本，并且还是全局实现的。

"the strings exchange references to their data, without actually copying the characters "

只交换指针，没有交换实质里的内容。

9.substr

获取子串依然是一个涉及“len和pos”的问题，依然分两种情况讨论。

（直接从pos的位置去构造一个）

会报错，此处的问题在于不能传引用返回，因为sub会被销毁。

string string::substr(size_t pos, size_t len) {
	if (pos + len >= _size) {
		string sub(_str + pos);
		return sub;
	}
	else {
		string sub;
		sub.reserve(_size + 1);
		for (int i = 0; i < len; i++) {
			sub += _str[pos + i];
		}
		return sub;
	} 
}

10.其他常用运算符

如+ - += -=等等

我们借助strcmp来实现小于和等于。

实现小于和等于之后·，其他都可以直接复用。

bool string::operator==(const string& s) {
	return strcmp(_str, s._str) == 0;
}
bool string::operator<(const string& s) {
	return strcmp(_str, s._str) < 0;
}
bool string::operator<=(const string& s) {
	return (*this < s) || (*this == s);
}
bool string::operator>(const string& s) {
	return !(*this<=s);
}
bool string::operator>=(const string& s) {
	return (*this > s) || (*this == s);
}
bool string::operator!=(const string& s) {
	return !(*this == s);
}