字符与字符串

计算机如何表达字符

可显示字符

众所周知，计算机只能处理二进制整数，字符要怎么办呢？
于是就有了 ASCII 码表，他规定，每个英文字符（包括大小写字母、数字、特殊符号）都对应着一个整数。在计算机里只要存储这个的整数，就能代表这个字符了。
例如 32 代表空格，48 代表 ‘0’，65 代表 ‘A’，97 代表 ‘a’……
32~126 这些整数就用于是表示这些 可显示字符(printable character)的。

控制字符

除了可显示字符(printable character)外，ASCII 还规定了一类特殊的控制字符(control character)：
0 表示空字符（‘\0’）
9 表示 Tab 制表符（‘\t’）
10 表示换行（‘\n’）
13 表示回车（‘\r’）
27 表示 ESC 键（‘\x1b’）
127 表示 DEL 键（‘\x7f’）等
0~31 和 127 这些整数，就构成了 ASCII 码中控制字符的部分。

关于控制字符的一个冷知识

在 Linux 命令行中启动 cat。
试试按 Ctrl+R，Ctrl+E，Ctrl+C 等一系列组合键，看到出现了什么？
可以看到显示的字符变成了 ^R ^E ^C 等……
这是 Unix 类系统显示控制字符的一种方式。
众所周知，我们常用 Ctrl+C 来发送中断信号（SIGINT）强制终止程序，这时常常会看到一个 ^C 的字样，就是这样出现的。这里我们的 cat 程序收到 ^C 以后，就直接终止退出了。

除此之外，因为 ^D 是“传输终止符”，还可以在控制台输入 Ctrl+D 来关闭标准输入流，终止正在读取他的程序。
常用 Ctrl+D 来快速关闭一个 shell（和输入 exit 命令的效果一样）。
以及按 Ctrl+I 的效果其实和 Tab 键一样，按 Ctrl+J 的效果和 Enter 键一样，按 Ctrl+H 的效果和退格键一样。
这是因为 ASCII 表中规定 ^I 就是 ‘\t’，^J 就是 ‘\n’，^H 就是 ‘\b’，所以以前原始的计算机键盘上其实还没有 Enter 键，大家都是按 Ctrl+J 来换行的……
不过，如果直接在控制台输入 ‘^’ 和 ‘C’ 两个字符并没有 Ctrl+C 的效果哦！因为 ‘^C’ 是 Ctrl+C 输入之后一次性显示出来的，并不是真的说 Ctrl 就是 ‘^’ 这个字符。

C 语言字符

C 语言中的字符类型 char

char c = ‘a’;
assert(c == 97);
c = c + 1;
assert(c == ‘b’);

C语言中规定字符类型为 char 类型，是个 8 位整数。
这是因为 ASCII 码只有 0~127 这些整数，而 8 位整数的表示范围是 2^8 也就是 0~255，足以表示所有 ASCII 字符了（多余的部分实际上被用于表示中文）。
char 和整数无异，例如 ‘a’ 实际上会被编译器翻译成他对应的 ASCII 码：97。写 ‘a’ 和写 (char)97 是完全一样的。

char 即整数”思想应用举例

int main()
{
	char c = 'a';
	for (int i = 0; i < 26; i++)
	{
		printf("%c", i + c);
	}
	printf("\n");
	return 0;
}

#include<cstdio>
int main()
{
	char c = 'c';
	printf("原字符 = %c", c); //c =99 a=97 A =65
	c -= 'a';
	c += 'A';
	printf("转大写字符 = %c", c);
	printf("\n");
	return 0;
}

C 语言帮手函数

#include<cstdio>
#include<ctype.h>
int main()
{
	char c = 'c';
	printf("原字符 = %c", c);  
	c = toupper(c);
	printf("\n");
	printf("转大写字符 = %c", c);
	printf("\n");
	return 0;
}

isupper(c) 判断是否为大写字母（‘A’ <= c && c <= ‘Z’）。
islower(c) 判断是否为小写字母（‘a’ <= c && c <= ‘z’）。
isalpha(c) 判断是否为字母（包括大写和小写）。
isdigit(c) 判断是否为数字（‘0’ <= c && c <= ‘9’）。
isalnum(c) 判断是否为字母或数字（包括字母和数字）。
isxdigit(c) 判断是否为十六进制数字（0~9 或 a-f 或 A-F）。
isspace(c) 判断是否为等价于空格的字符（‘ ’ 或 ‘\t’ 或 ‘\n’ 或 ‘\v’ 或 ‘\r’）。
iscntrl(c) 判断是否为控制字符（0 <= c && c <= 31 或 c == 127）。
toupper(c) 把小写字母转换为大写字母，如果不是则原封不动返回。
tolower(c) 把大写字母转换为小写字母，如果不是则原封不动返回。

关于 char 类型的一个冷知识

C 语言其实只规定了 unsigned char 是无符号 8 位整数，signed char 是有符号 8 位整数，而 char 类型只需是 8 位整数即可，可以是有符号也可以是无符号，任凭编译器决定。
以 GCC 为例，他规定 char 在 x86 架构是有符号的 (char = signed char)，而在 arm 架构上则认为是无符号的 (char = unsigned char)，因为他认为“arm 的指令集处理无符号8位整数更高效”，所以擅自把 char 魔改成无符号的……
顺便一提，C++ 标准保证 char，signed char，unsigned char 是三个完全不同的类型，std::is_same_v 分别判断他们总会得到 false，无论 x86 还是 arm。
但是奇葩的 C 语言却规定 short，int，long，long long 必须是有符号的 (int = signed int)，反而却没有规定他们的位宽（没错，int 可以是 32 位，也可以是 16 位的，标准规定只需满足 char <= short <= int <= long <= long long 即可）。

C 语言中的字符串

字符串(string)就是由字符(character)组成的数组。
C 语言中，字符串用双引号 “” 包裹，字符用单引号 ‘’ 包裹。

char c = ‘h’;
char s[] = “hello”;

#include<cstdio>
#include<ctype.h>
int main()
{
	char c = 'c';
	char s[] = "Hello";
	printf("字符 = %c", c);
	printf("\n");
	printf("字符串 = %s", s);
	printf("\n\n");
}

正如 ‘h’ 是个语法糖，等价于 h 的 ASCII 码——整数 104。
“hello” 也是个语法糖，他等价于数组 {‘h’, ‘e’, ‘l’, ‘l’, ‘o’, 0}。

#include<cstdio>
#include<ctype.h>
int main()
{
	char c = 'h';
	char s[] = { 'H','e','l','l','o',0};
	printf("字符 = %c", c);
	printf("\n");
	printf("字符串 = %s", s);
	printf("\n\n");
}

hello 每个字符都连续地排列在这个数组中，那么末尾的 0 是怎么回事？

原来 C 语言的字符串因为只保留数组的首地址指针（指向第一个字符的指针），在以 char * 类型传递给其他函数时，其数组的长度无法知晓。为了确切知道数组在什么地方结束，规定用 ASCII 码中的“空字符”也就是 0 来表示数组的结尾。这样只需要一个首地址指针就能表示一个动态长度的数组。

“0结尾字符串”知识点应用举例

利用 C 语言字符串“以0结尾”这个特点，我们可以在一个本来非0的字符处写入0，来提前结束字符串。例如在第 n 个字符写入0，就会只保留前 n 个字符作为一个子字符串，删除后半部分。

#include<cstdio>
int main()
{
	char s[] = { 'H','e','l','l','o',0 };
	printf("魔改前 = %s\n", s);
	s[3] = 0;
	printf("魔改后 = %s\n", s);
}

C 语言所谓的字符串类型 char * 实际上就是个首地址指针，如果让首地址指针向前移动 n 位，那就实现删除前 n 个字符的效果，而不用实际修改数组本身（更高效）。

#include<cstdio>
int main()
{
 
	char s[] = { 'H','e','l','l','o',0 };
	printf("魔改前 = %s\n", s);
	char* p = s + 3;
	printf("魔改后 = %s\n", p);

}

C 语言转义符

常见的转义符：

‘\n’ 换行符：另起一行（光标移到下一行行首）
‘\r’ 回车符：光标移到行首（覆盖原来的字符）
‘\t’ 缩进符：光标横坐标对齐到 8 的整数倍
‘\b’ 退格符：光标左移，删除上个字符
‘\\’ 反斜杠：表示这个是真的 \，不是转义符
‘\”’ 双引号：在字符串常量中使用，防止歧义
‘\’’ 单引号：在字符常量中使用，防止歧义
‘\0’ 空字符：标记字符串结尾，等价于 0
注意：’\0’ 和整数 0 等价，但和 ‘0’ 不等价。
‘0’ 相当于他的 ASCII 码 48。
而 ‘\0’ 就是整数 0。

#include<cstdio>
int main()
{
	char s[] = "Hello\0World";
	printf("字符串 = %s\n", s);
	char c = '\n';
	printf("字符:[%c]\n", c);
}

% 和 \ 的异同

% 没什么好神秘的，他就是一个普通的字符。
仅仅只是 printf 和 scanf 这些特定的函数会对 % 特殊处理而已。
而 \ 比较厉害，他是编译器内部专门为他“开了个后门”。
编译器检测到字符串中出现 \ 就会把下一个字符特殊处理。
而 %，编译器并不会特殊处理 %，是 printf 函数内部在运行时处理了 % 的下一个字符。
% 就像你和同学随手“拉钩”定下的约定，这是 printf 约定俗成的。
\ 就像正式合同，有法律效力的，这是 C 语言编译器规定好的。

#include<cstdio>
int main()
{
	char s[] = {'%','d','\n',0};
	printf(s,42);
}

C++ 字符串类

#define _CRT_SECURE_NO_WARNINGS
#include<cstdio>
#include<cstdlib>
#include<cstring>
int main()
{
	char s1[] = "Hello";
	char s2[] = "World";
	char* s3 = (char*)malloc(strlen(s1) + strlen(s2) + 1);
	strcpy(s3,s1);
	strcat(s3,s2);
	printf("%s\n", s3);
	free(s3);
}

封装的 std::string 应运而生

printf 必须告诉他是字符串（%s）还是整数（%d）还是字符（%c），必须和右边的参数一致
而且即使搞错了也能正常编译通过 ，但是运行结果不对，或者还有可能崩溃。

得益于 C++ 的重载技术，cout 不用你手动指定类型，他会自动识别参数的类型，帮你调用相应的格式化函数。

#include<cstdio>
#include<string>
using namespace std;
int main()
{
	string s1 = "Hello";
	string s2 = "World";
	string s3 = s1 + s2;
	printf("%s\n", s3.c_str());
	cout<<s3<<endl;
}

string 可以从 const char * 隐式构造：
string s = “hello”;
string 具有 +、+=、== 等直观的运算符重载：
string(“hello”) + string(“world”) == string(“helloworld”)
string 符合 vector 的接口，例如 begin/end/size/resize……
string 有一系列成员函数，例如 find/replace/substr……
string 可以通过 s.c_str() 重新转换回古板的 const char *。
string 在离开作用域时自动释放内存 (RAII)，不用手动 free。

c_str和data的区别

s.c_str() 保证返回的是以 0 结尾的字符串首地址指针，总长度为 s.size() + 1。
s.data() 只保证返回长度为 s.size() 的连续内存的首地址指针，不保证 0 结尾。
把 C++ 的 string 作为参数传入像 printf 这种 C 语言函数时，需要用 s.c_str()。
如果只是在 C++ 函数之间传参数，直接用 string 或 string const & 即可。

void legacy_c(const char *name);                 // 这个函数是古老的 C 语言遗产
void modern_cpp(std::string name);             // 这个函数是现代 C++，便民！
void performance_geek(std::string const &name);    // 有点追求性能的极客
void performance_nerd(std::string_view name);       // 超级追求性能的极客

const char * 可以隐式转换为 string（为了方便）
string 不可以隐式转换为 const char *（安全起见）
如果确实需要从 string 转换为 const char *，请调用 .c_str() 这个成员函数。

C++ 字符串和 C 字符串的不同

C 语言字符串是单独一个 char *ptr，自动以 ‘\0’ 结尾。
C++ 字符串是 string 类，其成员有两个：char *ptr; size_t len;
第二个成员用来确定结尾的位置，不需要 ‘\0’ 结尾。
因此 string 类从 C 字符串构造时，可以额外指定一个长度：
string(“hello”, 3) 会得到 “hel”
↑ len为 3，ptr指向 ’h’，只保留前三个字符
string(“hello”, 12) 会得到 “hello\0[数据删除]”
↑ len为 12，ptr指向 ’h’，超出了 6 个字符，内存读越界（出错）
string(“hello\0world!”, 12) 会得到 “hello\0world!”
↑ len为 12，ptr指向 ’h’，字符串内可以包含 ‘\0’，cout 能正常打印完整字符串

字符串的连接（+ 运算符）

C 语言规定，双引号包裹的字符串是 const char * 类型的，他们没有 + 运算符。

C++ 为了向前兼容，没办法改变 C 语言的这项规定，只能退而求其次，他另外定义了一个 string 类，重载了 + 运算符，以后尽量用我这个封装好的类，不要直接用 C 语言的 const char *。

因此如果需要把两个字符串加在一起，就必须至少有一方是 string 才行。
可以用 string(“hello”) 这种形式包裹住每个字符串常量，这样就方便用 + 了。
初学者建议每个字符串都用 string(“…”) 这种形式写，C 语言字符串不安全。

“hello” + “world”                       // 错误
string(“hello”) + “world”              // 正确
“hello” + string(“world”)              // 正确
string(“hello”) + string(“world”)      // 正确（推荐）

C++14 新特性：自定义字面量后缀

不少同学就觉得这样好麻烦，其他语言都是直接 “hello” 就是字符串类型
C++ 还得套一层壳 string(“hello”) 才能变成安全封装的类型，才能用他的成员函数。
因此，C++14 引入了一项缓解“键盘压力”的新特性：

#include<cstdio>
#include<string>
#include<iostream>
using namespace std;

string operator""_s(const char* s, size_t len)
{
	return string(s, len);
}

int main()
{
	string s3 = "Hello"_s + "world"_s;
	cout << s3 << endl;
}

写 “hello”_s 就相当于写 operator“”_s(“hello”, 5)，就相当于 string(“hello”, 5) 了。
为什么还需要指定长度 5？
其实不指定也可以，就是 “hello\0world” 会退化成 “hello”，因为 cpp 字符串没要求一定是 ‘\0’ 结尾，字符串里是可以包含 ‘\0’ 的。

---

如果你 using namespace std; 其实标准库已经自动帮你定义好了 “”s 后缀。
这里 “hello”s 就等价于原本繁琐的 string(“hello”) 了。

int main()
{
	string s3 = "Hello"s + "world"s;
	cout << s3 << endl;
}

---

如果你觉得 using namespace std; 太危险了不想用他。
可以只用 using namespace std::literials;
这个特殊的名字空间里包含了所有的 operator“” 函数。

#include<cstdio>
#include<string>
#include<iostream>
using namespace std::literals;

int main()
{
	std::string s3 = "Hello"s + "world"s;
	std::cout << s3 << std::endl;
}

字符串 <–> 数字

java 经典操作：字符串 + 数字 = 字符串
在 java 中，你甚至可以直接把字符串和数字相加，例如：
“you have ” + 42 + “ yuan” 会得到 “you have 42 yuan”。

他实际上是先把 42 变成 “42”，再把三个字符串相加的，也就是说 java 编译器会偷偷把他转换成：“you have ” + 42.toString() + “ yuan”。
但是我们说过 cpp 是不喜欢在编译器里开洞的，他的字符串类型 std::string 是在标准库里定义的，并不是在编译器内部定义的（cpp之父：语言本身要和标准库具体实现解耦）如果你嫌弃标准库不好用，也可以定义一个自己的字符串类型 mylib::String 重载个 + 运算符，和标准库的 std::string 其实是同等地位的。

虽然也可以给 std::string 定义很多个不同的 + 重载，每个针对不同的数字类型（int、float、double）排列组合，但是这样没有可扩展性，而且影响编译速度。
所以 cpp 说，你必须手动把 42 先转换为字符串，然后再和已有的字符串相加：
“you have ” + std::to_string(42) + “ yuan”

std::to_string 数字转字符串

std::to_string 是标准库定义的全局函数，他具有9个重载：

为什么把 to_string 作为全局函数，而不是 string 类的构造函数？
因为 cpp 之父喜欢解耦，他不想让数字转字符串这个特定的需求，和字符串本身的实现有太多耦合。

#include<string>
#include<iostream>

using namespace std;

int main()
{
	int n = 42;
	auto s = to_string(n) + ("yuan")s;
	std::cout << s << std::endl;
}

std::to_wstring 数字转宽字符串

同理还有 to_wstring，用于把数字转换为 wstring 类型字符串。

std::sto* 字符串转数字

std::stoi/stof/stod 是标准库定义的一系列全局函数：

#include<string>
#include<iostream>
using namespace std;

int main()
{
	auto s = "42"s;  
	auto s = "42 yuan"s;
	auto s = "   42 yuan"s;  //检测到数字及可转换
	auto s = " the 42 yuan"s; //会报错 当第一个检测不到数字时就会报错
	int n = stoi(s);
	std::cout << n << std::endl;
}

stoi 的第二参数：&pos

stoi 可以处理数字后面有多余字符的情况，例如 stoi(“42yuan”) 和 stoi(“42”) 等价，都会返回 42。后面的 “yuan” 会被 stoi 略去。
那如何才能知道哪些字符被 stoi 略去了呢？或者说，数字部分从哪里结束？
这就要用到 stoi 的第二参数，他是一个 size_t 的指针，默认为 nullptr。

若该指针不为 nullptr，则会往他指向的变量写入一个整数，表示数字部分结束的那个字符所在的位置，很绕口？来看个例子就懂了。
例如 stoi(“42yuan”, &pos) 会返回 42，并把 pos 设为 2。因为 ‘y’ 是数字部分结束的地方，而 ‘y’ 是第三个字符，但是计算机数数从 0 开始，所以计算机说这是第 2 个字符，没毛病。
为什么要指针？因为 stoi 的返回值已经是 int 了，要额外的返回值只能这样。

#include<string>
#include<iostream>
using namespace std;

int main()
{
	string s = "42yuan"s;
	size_t pos;
	int n = stoi(s,&pos);
	std::cout <<"原始字符串："<< s << std::endl;
	std::cout <<"数字部分是从第"<< pos <<"个字符结束"<< std::endl;
	std::cout <<"数字是"<< n << std::endl;
	std::cout << "剩余部分是"<<s.substr(pos) << std::endl;
}

stoi 抛出异常的情况

如果字符串的开头不是数字，则 stoi 会抛出 std::invalid_argument 异常，可以用 catch 捕获。
但是开头可以有空格，例如 stoi(“ 42yuan”) 可以正常得到 42，但 stoi(“my42yuan”) 就会出错。
开头也可以是正负号（‘+’ 或 ‘-’），会被当成数字的一部分，例如 stoi(“-42”) 会得到 -42。

#include<string>
#include<iostream>
using namespace std;

int main()
{
	string s = "happy 10 th birthdays"s;
	std::cout << "字符串：" << s << std::endl;
	int n = stoi(s);
	std::cout << "数字是" << n << std::endl;
}

stoi 的第三参数：base

有时候我们的字符串里是十六进制的数字，如何解析呢？例如 “7cfe”。
这就要用到 stoi 的第三个参数 base 了，他默认为 10，代表十进制。
如果需要解析十六进制的数字就把 base 设为 16，八进制就让 base 为 8。

因为指定第三参数前需要先指定第二参数，如果不用第二参数，写个 nullptr 就行了，例如 stoi(“7cfe”, nullptr, 16) 会得到 31198（0x7cfe 的十进制）。
注意：stoi 默认是十进制的，如果写 stoi(“7cfe”) 会得到 7，因为他只认识 ‘7’ 是数字，把 “cfe” 看做额外字符忽略掉了（因为 c 不是十进制意义下的数字）。
十六进制的字母无视大小写，例如 stoi(“7CFE”, nullptr, 16) 的也会得到 31198。

#include<string>
#include<iostream>
using namespace std;

int main()
{
	string s = "4399cc"s;
	std::cout << "原始字符串：" << s << std::endl;
	std::cout << "作为十六进制：" << stoi(s,nullptr,16) << std::endl;
	std::cout << "作为十进制：" << stoi(s, nullptr, 10) << std::endl;
	std::cout << "作为八进制：" << stoi(s, nullptr,8) << std::endl;
}

字符串流

to_string 能不能指定十六进制？

很遗憾，to_string 是个缓解“键盘压力”的帮手函数，功能根本不全。
用 + 来拼接字符串也只是初学者的做法，他们并不是专业的字符串格式化工具。
想要完整的功能（指定多少进制，左右对齐等），可以用专业的做法：
古代 C 语言的 sprintf
古代 C++ 的 stringstream
C++20 新增的 std::format
第三方库提供的 fmt::format（https://github.com/fmtlib/fmt）
参考上传的资源 (可支持任意 STL 容器的打印）

cout 支持十六进制

#include<string>
#include<iostream>
using namespace std;

int main()
{
	std::cout << "十六进制：" << hex<<42 << std::endl;
}

官方推荐用 stringstream 取代 to_string

cout 这么方便，能不能让他不要直接输出到控制台，而是把结果存到一个字符串呢？这正是字符串流 stringstream 的作用。
和 cout 完全一样，同样的 << 和 hex 选项。
但是他的输出会保存到一个字符串里。
调用成员函数 .str() 就能取出这个字符串了。
之后这个字符串就可以用作其他用途，比如
printf 打印，或者用于查询数据库，都没问题。
这里比较无聊，最后还是直接输出到了 cout。

#include<string>
#include<iostream>
#include<sstream>
#include<iomanip>
using namespace std;

int main()
{
	stringstream ss;
	ss << "十六进制" << hex << 42;
	string s = ss.str();
	std::cout <<s<< std::endl;
}

stringstream 也可以取代 stoi

刚刚展示了 stringstream 模仿 cout 的方法。
stringstream 也可以模仿 cin，用 >> 即可。

总结：
<< 可以模仿 cout，取代 to_string。
>> 可以模仿 cin，取代 stoi/stof/stod。
最重要的是他支持各种控制选项（如 hex），
    功能性比 to_string 和 stoi 更强大。
要导入他，只需 #include <sstream> 即可。

#include<string>
#include<iostream>
#include<sstream>
#include<iomanip>
using namespace std;
int main() {		
	string s = "42yuan"s;
	stringstream ss(s);
	int num;
	ss >> num;
	string unit;
	ss >> unit;
	std::cout << "数字：" <<num<< std::endl;
	std::cout << "单位：" << unit << std::endl;
}

我们使用stringstream类来处理字符串s。stringstream类可以将字符串当作流来处理，可以方便地从字符串中提取数据。

定义了一个整型变量num，并将stringstream对象ss中的数据提取出来赋值给num。通过ss的>>操作符，可以从ss中提取数据并存储到num中。这里ss会自动识别字符串中的数字，并将其转换为整型。

定义了一个字符串变量unit，并将stringstream对象ss中的数据提取出来赋值给unit。通过ss的>>操作符，可以从ss中提取数据并存储到unit中。这里ss会自动识别字符串中的单位，并将其存储到unit中。

字符串常用操作

at 获取指定位置的字符

s.at(i) 和 s[i] 都可以获取字符串中的第 i 个字符。

区别在于 at 如果遇到 i 越界的情况，也就是检测到 i ≥ s.size() 时，会抛出 std::out_of_range 异常终止程序。使用 gdb 等调试器就可以在出这个异常的时候暂停，帮你调试错误（BV1kP4y1K7Eo）。也可以从外部函数 catch 住这个异常（以后再讲）。

而 [] 则不会抛出异常，他只是简单地给字符串的首地址指针和 i 做个加法运算，得到新的指针并解引用。如果你给的 i 超过了字符串大小 i ≥ s.size()，那程序的行为是未定义的，因为这个地方可能有其他的对象，程序可能会奔溃，也可能行为异常。如果是互联网程序，还可能会被黑客利用，窃取或篡改服务器上的数据。
那为什么还要 []？性能！at 做越界检测需要额外的开销，[] 不需要。
所以 [] 更高效，at 更安全。遇到诡异 bug 时，试试把 [] 都改成 at。

#include<string>
#include<iostream>
#include<iomanip>
using namespace std;
int main()
{
	 string s = "HelloWorld"s;
	 cout << "第0个字符" << s[0] <<  endl;
	 cout << "第3个字符" << s[3] << endl;
	 cout << "第16个字符" << s[16] << endl;

	 cout << "第0个字符" <<  s.at(0) << endl;
	 cout << "第3个字符" << s.at(3) << endl;
	 cout << "第16个字符" << s.at(16) << endl;
}

 cout << "第16个字符" << s[16] << endl;

cout << "第16个字符" << s.at(16) << endl;

获取字符串长度有两种写法

有两种写法，s.length() 和 s.size() 等价。
其中 size 是和 vector 一样的名字，方便程序员理解。

#include<string>
#include<iostream>
using namespace std;
int main()
{
	 string s = "HelloWorld"s;
	 cout <<s.length()<< endl;
	 cout << s.size()<< endl;
}

substr 切下一段子字符串

函数原型为：string substr(size_t pos = 0, size_t len = -1) const;

substr(pos, len) 会截取从第 pos 个字符开始，长度为 len 的子字符串，原字符串不会改变。
如果原字符串剩余部分长度不足 len，则返回长度小于 len 的子字符串而不会出错。
如果 pos 超出了原字符串的范围，则抛出 std::out_of_range 异常（和 at 同款的哦）。
可以指定 len 为 -1（即 string::npos），此时会截取从 pos 开始直到原字符串末尾的子字符串。
不指定第二参数 len 时，默认的 len 就是 -1（见下方第三个例子）。

例如：
	“hello”.substr(1, 3) = “ell”
	“hello”.substr(1, 99) = “ello”
	“hello”.substr(1) = “ello”
	“hello”.substr(0, 3) = “hel”
	“hello”.substr(99, 3) = 抛出 std::out_of_range 异常

#include<string>
#include<iostream>
using namespace std;
int main()
{
	string s = "HelloWorld"s;
 
	cout << "从第2个字符开始长为5的子字符串：" << s.substr(2,4)<< endl;
	cout << "从第2个字符开始长为99的子字符串：" << s.substr(2,99)<< endl;
	cout << "从第2个字符开始长直到末尾的子字符串：" << s.substr(2)<< endl;
	cout << "从头开始长为5的子字符串：" << s.substr(0,4)<< endl;
	cout << "从第100个字符开始长为5的子字符串：" << s.substr(100,5)<< endl;
}

cout << "从第100个字符开始长为5的子字符串：" << s.substr(100,5)<< endl;

find 寻找子字符串

find 拥有众多重载，我们一个个来看。

size_t find(char c, size_t pos = 0) const noexcept;
size_t find(string_view svt, size_t pos = 0) const noexcept;
size_t find(string const &str, size_t pos = 0) const noexcept;
size_t find(const char *s, size_t pos = 0) const;
size_t find(const char *s, size_t pos, size_t count) const;

为什么最后两个重载没有标记 noexcept？历史原因，实际上 find 函数都是不会抛出异常的，他找不到只会返回 -1。

find(‘c’) 会在字符串中查找字符 ‘c’，如果找到，返回这个字符第一次出现所在的位置。如果找不到，返回 -1。

注意：如果原字符串中 ‘c’ 出现了多次，则只会返回第一个出现的位置。例如 “icatchthecat”.find(‘c’) 会返回 1，因为他找到的是第二个字符 ‘c’，而计算机数数从 0 开始，所以他认为是第 1 个没毛病。
find(‘c’, pos) 会在字符串中查找字符 ‘c’，不同的是他会从第 pos 个字符开始，例如 “icatchthecat”.find(‘c’, 3) 会返回 4，因为是从第 3 个字符 ‘t’ 开始查找（人类看来是第四个），所以第一个 ‘c’ 被略过。
如果 pos 所在的位置刚好就是 ‘c’，那么会返回 pos，例如 “icatchthecat”.find(‘c’, 4) 会返回 4。

#include<string>
#include<iostream>
using namespace std;
int main()
{
	string s = "helloWorld"s;

	cout << "寻找h的结果" << s.find('h') << endl;
	cout << "寻找e的结果" << s.find('e')  << endl;
	cout << "寻找l的结果" << s.find('l') <<endl;
	cout << "寻找o的结果" << s.find('o') << endl;
	cout << "寻找H的结果" << s.find('H') << endl;
	cout << "(size_t)-1" << (size_t)-1  << endl;
}

find 寻找子字符串 2

find(‘c’) 会找到字符串 ‘c’ 第一次出现的位置，返回 ‘c’ 所在位置。
find(“str”) 会找到字符串 “str” 第一次出现的位置，返回 ‘s’ 所在位置。

例如 “hello”.find(“lo”) 会得到 3，因为找到的是开头的字符 ‘l’，他是计算机认为的第 3 个字符（人类认为的第四个字符）。

同理也有 find(“str”, pos) 是从第 pos 个字符开始查找子字符串 “str”，例如 “hellohello”.find(“lo”, 4) 会得到 8，因为 pos 为 4，前四个字符被排除掉了，这样其实等价于 “ohello”.find(“lo”) + 4。

此外还有 find(“str”, pos, len) 和 find(“str”.substr(0, len), pos) 等价，用于要查询的字符串已经确定长度，或者要查询的字符串是个切片（string_view）的情况。若不指定这个长度 len，则默认是 C 语言的 0 结尾字符串，find 还要去求 len = strlen(“str”)，相对低效。

#include<string>
#include<iostream>
using namespace std;
int main()
{
	string s = "helloworld"s;
	cout << boolalpha;
	cout << "lo: " << s.find("lo") << endl;
	cout << "wo: " << s.find("wo") << endl;
	cout << "ma: " << s.find("ma") << endl;
}

计算子字符串出现了多少次

#include<string>
#include<iostream>
using namespace std;
size_t count(string const& str, string const& sub)	{
	size_t n = 0, pos = 0;
	while (true)
	{
		pos = str.find(sub, pos);
		if (pos ==str.npos)
			break;
		++n;
		pos += sub.size();
	}
	return n;
}

int main()
{
	cout << count("hellowordmbellreadlly"s,"ll"s) << endl;
}

x[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-a4Eng0hi-1690341728342)( https://img-blog.csdnimg.cn/260e68f10cd94e8a890334ccfcee031e.png)]

(size_t)-1 更专业的写法

cout << "寻找H的结果" << s.find('H') << endl;
cout << "(size_t)-1" << (size_t)-1  << endl;

对于字符’H’，find函数返回的结果是一个特殊值(size_t)-1。这是因为字符串中并没有字符’H’，所以find函数会返回一个特殊的无效值(size_t)-1，表示未找到。

需要注意的是，size_t是一个无符号整型类型，它的取值范围是0到无穷大。当find函数找不到指定字符时，会返回-1的补码形式，即最大的无符号整数值。在此代码中，将这个特殊值强制转换为(size_t)类型，然后输出，以便展示这个特殊值。

---

    static constexpr auto npos{static_cast<size_type>(-1)};

其实 string 类里定义了一个静态常量 npos，其值为 (size_t)-1。
我们使用时，可以用 std::string::npos 代替看起来很不专业的 -1。

因此，要查询一个字符串是否包含某一字符，可以写：

s.find(c) != string::npos
s.find(c) != s.npos
s.find(c) != (size_t)-1
s.find(c) != -1	
都是等价的。

#include<string>
#include<iostream>
using namespace std;
int main()
{
	string s = "helloWorld"s;
	cout << boolalpha; //使用cout打印出布尔值的结果，通过 boolalpha 设置布尔值的输出为字母形式
	 
	cout << "h: " << (s.find('h')!=string::npos) << endl; //string::npos表示无效值
	cout << "z: " << (s.find('z') != string::npos) << endl;
}

反向查找 rfind

find 是从字符串头部开始查找，返回第一次出现的地方。
而 rfind 则是从尾部开始查找，返回最后一次出现的地方。
例如 “helloworld”.rfind(‘l’) 会返回 8，因为 rfind 是优先从尾部开始查找的。
rfind 和 find 的最坏复杂度都为 O(n)，最好复杂度都为 O(1)。

find_first_of 寻找集合内任意字符

size_t find_first_of(string const &s, size_t pos = 0) const noexcept;
size_t find_first_of(const char *s, size_t pos = 0) const noexcept;
size_t find_first_of(const char *s, size_t pos, size_t n) const noexcept;

“str”.find_first_of(“chset”, pos) 会从第 pos 个字符开始，在 “str” 中找到第一个出现的 ‘c’ 或 ‘h’ 或 ‘s’ 或 ‘e’ 或 ‘t’ 字符，并返回他所在的位置。如果都找不到，则会返回 -1（string::npos）。

没错，这个 “chset” 是个字符的集合，顺序无所谓，重复没有用。
如果不指定 pos，默认为 0，从头开始查找。

其实 s.find_first_of(“chset”) 等价于
	 min(s.find(‘c’), s.find(‘h’), s.find(‘s’), s.find(‘e’), s.find(‘t’))。

#include<string>
#include<iostream>
using namespace std;
int main()
{
	string s = "helloworld"s;
	int n = s.find_first_of("onl");
	cout << n << endl;
}

---

刚刚说 ASCII 的时候提到过 isspace 这个函数，他会把 ‘ ’、‘\t’、‘\v’、‘\f’、‘\n’、‘\r’ 识别为空格
（因为他们显示出来的确都是空的），姑且称之为空格类字符（whitespace）。

如何找到第一个出现的空格类字符？如果要找第一个出现的空格，可以用 s.find(‘ ’)，如果要找到第一个出现的空格类字符？空格类字符是一个集合 {‘ ’, ‘\t’, ‘\v’, ‘\f’, ‘\n’, ‘\r’}，可以作为一个字符串来传给 find_first_of，例如：s.find_first_of(“ \t\v\f\n\r”)。

#include<string>
#include<iostream>
#include<vector>
using namespace std;

vector<string> split(string s){
	vector<string> ret;
	size_t pos = 0;
	while (true){
		size_t newpos = s.find_first_of("\t\v\f\n\r", pos);
		if (newpos ==s.npos)
		{
			ret.push_back(s.substr(pos,newpos));
			break;
		}
		ret.push_back(s.substr(pos, newpos - pos));
		pos = newpos + 1;
	}
	return ret;
}

int main()
{
	string s = "hello world pyb techer good job"s;
	vector<string> v = split(s);
	for (auto const& vi : v)
		cout << vi << endl;
}
	 

find_first_not_of 寻找不在集合内的字符

#include<string>
#include<iostream>
using namespace std;
int main()
{
	string s = "hello world, pyb teacher good job"s;
	int n = s.find_first_not_of(" abcdefghigklmnopqrstuvwxyz");
	cout << n << endl;
}

举一反三：find_last_of、find_last_not_of

find 的反向版本是 rfind。
find_first_of 的反向版本是 find_last_of。
find_first_not_of 的反向版本是 find_last_not_of。

replace 替换一段子字符串

函数原型：

string &replace(size_t pos, size_t len, string const &str);
string &replace(size_t pos, size_t len, const char *s);
string &replace(size_t pos, size_t len, const char *s, size_t slen);

replace(pos, len, “str”) 会把从 pos 开始的 len 个字符替换为 “str”。

例如 “helloworld”.replace(4, 2, “pful”) 会得到 “helpfulworld”。

如果 len 过大，超出了字符串的长度，则会自动截断，相当于从 pos 开始到末尾都被替换。
例如 “helloworld”.replace(4, 100, “pful”) 会得到 “helpful”。

如果 pos 过大，超出了字符串的长度，则抛出 out_of_range 异常。
例如 “helloworld”.replace(400, 2, “pful”) 会得到异常（和 at 同款）

启发性提示：因为 -1 转换为 size_t 后是个很大的数（因为补码的规则，他实际上变成 0xffffffffffffff）
所以可以给 len 指定 -1（或者 string::npos）来迫使 replace 从 4 开始一直到字符串末尾都替换掉
例如 “helloworld”.replace(4, -1, “pful”) 会得到 “helpful”。
刚刚的例子 “helloworld”.replace(4, 2, “pful”) 会得到 “helpfulworld”。

性能小贴士：string 的本质和 vector 一样，是内存中连续的数组。
注意这里原来 [4, 4+2) 这里的子字符串为 “lo”，替换成 “pful”。而因为 “pful” 比 “lo” 宽了 2 格，所以为了预留出这 2 格额外的空间，就得把后面的 “world” 在内存中整体平移了 2 格（和 vector 的 insert 一样）。这意味着 replace 最坏是 O(n) 复杂度的，然而如果原来的子字符串和新的子字符串一样长度，例如 “helloworld”.replace(4, 2, “pf”) 会得到 “helpfworld” 则后面的 “world” 不需要被平移，是最好的 O(1) 复杂度……好吧，其实是 O(len) 复杂度，len 就是这里子字符串的长度 2。
此外，要注意 replace 会就地修改原字符串，返回的是指向原对象的引用，并不是一份新的拷贝！这是标准库的设计者为了性能考虑。

#include<string>
#include<iostream>
using namespace std;
int main()
{
	string s = "hell world, pyb"s;
	s.replace(5, 3, "zxqq");
	cout << s << endl;
}

replace 批量替换字符串

#include<string>
#include<iostream>
using namespace std;
void replace_all(string &s, string const &from,string const &to)
{
	size_t pos = 0;
	while (true)
	{
		pos = s.find(from, pos);
		if (pos == s.npos)
			break;
		s.replace(pos, from.size(), to);
		pos += to.size();
	}
}

int main()
{
	string s = "hello zxq my name is zxq , are you zxq?"s;
	replace_all(s, "zxq", "ldh");
	cout << s << endl;
}

边界情况总结

s.substr(pos, len = -1)：
如果 pos > s.size()，则抛出 out_of_range 异常。
如果 pos + len ≥ s.size()，则截断超出的部分，只返回小于 len 的子字符串。
如果不指定 len 则默认为 -1，这时会一直从 pos 开始到字符串结尾。

s.find(str, pos = 0)：
如果找不到子字符串 str 则返回 -1（也就是 string::npos）。
如果 pos ≥ s.size()，则总是返回 -1。

s.replace(pos, len, str)：
如果 pos ≥ s.size() 则抛出 out_of_range 异常。
如果 pos + len > s.size() 则会扩容字符串 s.resize(pos + len)。

append 追加一段字符串

函数原型：

string &append(string const &str);                // str 是 C++ 字符串类 string 的对象
string &append(const char *s);                    // s 是长度为 strlen(s) 的 0 结尾字符串
string &append(string const &str, size_t len);   // 只保留后 str.size() - len 个字符
string &append(const char *s, size_t len);       // 只保留前 len 个字符

string s = “hello”;
s += “world”;
最后 s 会得到 “helloworld”。
这里的 += 也可以换做 append 函数，基本一样，没什么好说的。

例如 s.append(“world”) 和 s += “world” 等价。
区别在于 append 还可以指定第二个参数，限定字符串长度，用于要追加的字符串已经确定长度，或者是个切片的情况（string_view）。
例如 s.append(“world”, 3) 和 s += string(“world”, 3) 和 s += “wor” 等价。

性能如何？append 的扩容方式和 vector 的 push_back 一样，每次超过 capacity 就预留两倍空间，所以重复调用 append 的复杂度其实是 amortized O(n) 的。

---

前面两个是最常用的版本，和 += 也是等价的。
后面两个带 len 的版本很奇怪，他们居然是反过来的：

对于 str 是 string 类型时，会变成保留后半部分。
对于 str 是 const char * 类型时，会保留前半部分。

猜想是因为 const char * 指针可以自身进行 += 操作来去除开头的任意部分，所以要让 len 控制尾部的部分；而 string 类型可以自身进行 resize 操作来去除尾部的任意部分，所以用 len 控制开头的部分。
在C++17 中有更为直观的 string_view，要切片只需 substr，例如：

s.append(“world”, 3) 改成 s += string_view(“world”).substr(0, 3)
s.append(“world”s, 3) 改成 s += string_view(“world”).substr(3)

又高效，又直观易懂，且 substr 附带了自动检查越界的能力，安全。
string_view(“world”) 也可以简写作 “world”sv。

int main(){
	string s = "hello, "s; //hello, world
	s.append("world"s);
	cout << s << endl;
	s = "hello, "s;
	s.append("world"); //hello, world
	cout << s << endl;

	s = "hello, "s;
	s.append("world"s,3);//hello, ld
	cout << s << endl;
	s = "hello, "s;
	s.append("world",3);//hello,wor
	cout << s << endl;		
}

insert 插入一段字符串

s.insert(pos, str) 会把子字符串 pos 插入到原字符串中第 pos 个字符和第 pos+1 个字符之间。

函数原型：

string &insert(size_t pos, string const &str);   // str 是 C++ 字符串类 string 的对象
string &insert(size_t pos, const char *s);       // s 是长度为 strlen(s) 的 0 结尾字符串
string &insert(size_t pos, string const &str, size_t len); // 只保留后 str.size() - len 个字符
string &insert(size_t pos, const char *s, size_t len);      // 只保留前 len 个字符

后两个版本和 append 的情况一样诡异……通常我们只用前两个就行。
又是一个就地修改字符串，返回指向自身引用的函数……

#include<string>
#include<iostream>
using namespace std;
int main()
{
	auto s = "hello"s;
	s.insert(2,"world"); 
	cout << s << endl;
}

当然，更直观的做法，还是 substr 配合 + 运算符（1）。
同理，可以先转换为 string_view 再 substr，高效切片，没有性能损失（2）。

1

#include<string>
#include<iostream>
using namespace std;

int main()
{
	auto s = "hello"s;
	s = s.substr(0,2) + "world"s + s.substr(2);
	cout << s << endl;
}

2 要注意#include<string_view> //C++17 标准下才可以使用

#include<string>
#include<iostream>
#include<string_view> //C++17 
using namespace std；

int main()
{
	auto s = "hello"s;
	string_view sv = s;
	string news;
	news += sv.substr(0, 2);
	news += "world"sv;
	news += sv.substr(2);
	cout << news<< endl;
}

通用的比较函数 compare

字符串的大于小于运算符，是按字典序比较的。
他会按字典序比较两个字符串。所谓字典序就是优先比较两者第一个字符（按 ASCII 码比较），如果相等则继续比较第二个字符，不相等则直接以这个比较的结果返回，第二个比完比第三个……如果比到末尾全都相等，分两种情况：
其中一个字符串比较短，则认为长的字符串大于短的字符串。
两个字符串长度也一样，则认为两者相等。
例如：
“azazel” = “azazel” 因为完全一样啊 比较了 6 次
“azazel” > “az” 因为长度 6 > 2 比较了 3 次
“azazel” < “linux” 因为第一个字符 ‘a’ < ‘l’ 比较了 1 次
“azazel” > “application” 因为第二个字符 ‘z’ > ‘p’ 比较了 2 次

不管是 >、< 还是 ==，都只能一次比较出一个 bool 结果。
其实 C 语言的 strcmp(a, b) 不仅可以判断相等，也可以用于字典序比较，
返回 -1 代表 a < b，返回 1 代表 a > b，返回 0 代表 a == b。

这就是为什么 strcmp 最常用的写法是 !strcmp(a, b) 判断两者相等。
因此 string 也有一个成员函数 compare，他也是返回 -1、1、0 表示大小关系。
此外，C++20 中引入了 <=> 这个万能比较运算符，意在取代 compare 成为标准，不过这个更加强类型一点。
总之，a == b 和 !a.compare(b) 等价。

C++20 新增：starts_with 和 ends_with

以什么开头以什么结尾

s.starts_with(str) 等价于 s.substr(0, str.size()) == str
s.ends_with(str) 等价于 s.substr(str.size()) == str

他们不会抛出异常，只会返回 true 或 false，表示 s 是否以 str 开头。例如：
“hello”.starts_with(“he”) 会得到 true。
“hello”.ends_with(“lo”) 会得到 true。

也有单个字符：“hello”.starts_with(‘h’) 的用法，等价 “hello”.size() != 0 && “hello”[0] == ‘h’。

和 vector 相似的地方

at, [], data, size, resize, empty, clear
capacity, reserve, shrink_to_fit
insert, erase, assign, push_back, pop_back, front, back
begin, end, rbegin, rend, swap, move

string 在这些函数上都和 vector<char> 一样，vector 那讲的几乎全部知识也适用于 string。

字符串胖指针

C 语言 0 结尾字符串

C 语言为什么喜欢 0 结尾字符串（null-terminated string）呢？
众所周知，要描述一个动态长度的数组（此处为字符串），需要首地址指针和数组长度两个参数。

void cihou_array(char *ptr, size_t len);

这样好麻烦，明明是一个字符串，却要传两个参数进去！能不能简化？
C 语言认为：假定字符串中的字符不可能出现 ‘\0’，那么可以用 ‘\0’ 作为结尾的标记符，这就是当年最流行的 0 结尾字符串（null-terminated string）方案。

0 结尾字符串的缺点

1. 字符串本身不能含有 ‘\0’
   例如：{‘h’, ‘e’, ‘l’, ‘l’, ‘o’, ‘\0’, ‘c’, ‘p’, ‘p’} 则只有前五个字符是有效的。
   因此 printf(“hello\0cpp”); 只会打印 “hello” 而没有 ‘\0’ 后面的字符，因为 printf 只收到了一个首地址指针，他只好把出现 ‘\0’ 的位置当做字符的结尾。
   对于字符串来说好像无所谓（谁说话会带个 ‘\0’ 啊），但是对于其他类型的数据，比如科学家用一个浮点数组，一不小心算出个 0.0 就自动结束了，不合理。

2. ‘\0’ 本身也是一个字符，需要占据额外的空间，因此长度为 n 的字符串实际上需要 n + 1 的内存空间，末尾多出来的那一格空间存放 ‘\0’ 标志结束。

3. 计算长度需要耗费时间，你必须从起始地址开始，一个个向后查找，直到找到 ‘\0’，才能确定字符串在哪里结束，确定他的长度。换言之，strlen 函数的复杂度为 O(n)，如果需要频繁的查询长度，势必会非常低效。

4. 若需要在尾部切片就得修改字符串本身（写入一个 ‘\0’），影响其他弱引用。

胖指针大法横空出世

刚刚说了，要描述一个动态长度的数组（此处为字符串），需要首地址指针和数组长度两个参数。

void cihou_array(char *ptr, size_t len);

可以把这描述同一个东西的两个参数，打包进一个结构体（struct）里，这样就可以作为一个参数了！虽然本质上是一样的，但是代码变得更易读了。

struct FatPtr {
   char *ptr;
   size_t len;
   };
void cihou_array(FatPtr fptr);

C++20 中的 span 也是这个思想。提倡把 ptr 和 len 这两个逻辑上相关的参数绑在一起，避免犯错。

---

为了表示动态长度的数组，C++ 中的 vector 和 string 其实都是胖指针。
string 和 vector 内部都有三个成员变量：ptr, len, capacity。
前两个 [ptr, len] 其实就是表示实际有效范围（存储了字符的）的胖指针。
而 [ptr, capacity] 就是表示实际已分配内存（操作系统认为的）的胖指针。

struct vector {
  char *ptr;
  size_t len;
  size_t capacity;
};

在 GCC 的实现中，被换成了三个指针 [ptr, ptr + len, ptr + capacity] 来表示。

---

C++ 的 string 克服了 C 语言 0 结尾字符串的缺点：
字符串本身可以含有 ‘\0’ 了，这下任何字符都众生平等。
末尾没有 ‘\0’ 额外浪费的空间（除非调用 c_str 时）。
长度已经存储在 string 的成员里，size() 是 O(1) 的。
在尾部切片可以用 raesize() 修改长度，无需写入字符串本身。
string_view 和 span 无非是个弱引用版本，额外增加了在头部切片的能力而已。

#include<string>
#include<iostream>
using namespace std;
int main()
{
	cout << string("hello\0cpp") << endl;
	cout << string("hello\0cpp",9) << endl;
}

强引用胖指针：string

刚刚说的 string 容器，是掌握着字符串生命周期（lifespan）的胖指针。
这种掌管了所指向对象生命周期的指针称为强引用（strong reference）。

这个强引用的强，体现在哪里？

当 string 容器被拷贝时，其指向的字符串也会被拷贝（深拷贝）。
当 string 容器被销毁时，其指向的字符串也会被销毁（内存释放）。

弱引用胖指针：string_view

如果把一个强引用的 string 到处拷贝来拷贝去，则其指向的字符串也会被多次拷贝，比较低效。
人们常用 string const & 来避免不必要拷贝，但仍比较麻烦。
因此 C++17 引入了弱引用胖指针 string_view，这种弱引用（weak reference）不影响原对象的生命周期，原对象的销毁仍然由强引用控制。

这个弱引用的弱，体现在哪里？

当 string_view 被拷贝时，其指向的字符串仍然是同一个（浅拷贝）。
当 string_view 被销毁时，其指向的字符串仍存在（弱引用不影响生命周期）。

string_view 案例

s2 是对 s1 的深拷贝 调用了 string 的拷贝构造函数所以 s1 被修改时，s2 仍保持旧的值 “hello” 不变。
sv1 和 sv2 都是指向 s1 的弱引用，所以 s1 被改写时，sv1 和 sv2 看到的字符串也改写了。

int main(){
	string s1 = "hello";
	string s2 = s1; //深拷贝
	string_view sv1 = s1; //弱引用
	string_view sv2 = sv1; //浅拷贝
	cout << "s1=" <<s1<< endl;    
	cout << "s2=" <<s2<< endl;
	cout << "sv1=" <<sv1<< endl;
	cout << "sv2=" <<sv2<< endl;
	s1[0] = 'B';
	cout << "修改s1后" << endl;
	cout << "s1=" << s1 << endl;
	cout << "s2=" << s2 << endl;
	cout << "sv1=" << sv1 << endl;
	cout << "sv2=" << sv2 << endl;		}

---

弱引用失效案例
被引用的 string 本体修改的时候，原先生成的 string_view 会失效（因为 ptr 和 len 改变了）。
因此建议创建 string_view 以后，不要改写原字符串。

#include<string>
#include<iostream>
#include<string_view>
using namespace std;
int main()
{
	string s1 = "hello";
	string_view sv1 = s1; //弱引用
	s1[0] = 'B';
	cout << "sv1=" << sv1 << endl; //不会失效
	s1 = "Helloworld";
	cout << "sv1=" << sv1 << endl; //失效
}

强弱引用の安全守则

强引用和弱引用都可以用来访问对象。
每个存活的对象，强引用有且只有一个。
但弱引用可以同时存在多个，也可以没有。
强引用销毁时，所有弱引用都会失效。如果强引用销毁以后，仍存在其他指向该对象的弱引用，访问他会导致程序奔溃（野指针）。

举例：常见容器及其相应的弱引用

强引用	弱引用
string	string_view
wstring	wstring_view
vector < T>	span< T>
unique_ptr< T>	T*
shared_ptr< T>	weak_ptr< T>

string_view 的重要用途：高效地切片

在 C++ 中，可以用 substr 函数进行切片，例如：

string(“hello”).substr(1, 3) 会得到 “ell”。	

这样其实不是最高效的，因为 string.substr 并不是就地修改字符串，他是返回一个全新的 string 对象，然后把原字符串里的 1 到 3 这部分子字符串拷贝到这个新的 string 对象里去。
这期间涉及了字符串的拷贝，还需要分配额外的内存，有点小浪费。
如果切下来的子字符串长度是 n，则复杂度为 O(n)。

C++17 的设计者们就想：其实我没必要把整个子字符串都拷贝出来，我们只需要保证原来的字符串存在于内存中，让 substr 只是返回切片后的胖指针 [ptr, len]，不就让新字符串和原字符串共享一片内存，实现了零拷贝零分配嘛！
于是有了接口和 string 很相似，但是只保留胖指针，而不掌管他指向内存生命周期的string_view 类。
因为不论子字符串多大，真正改变的只有两个变量，所以 string_view 的 substr 函数复杂度为 O(1)。

remove_prefix、remove_suffix

sv.remove_prefix(n) 等价于 sv = sv.substr(n)
sv.remove_suffix(n) 等价于 sv = sv.substr(0, n)

没错，他们都是就地修改的。不过这个就地修改的是 string_view 对象本身，而不是修改他指向的字符串，原 string 还是不会变的。
不同之处在于，substr(pos, len) 遇到 pos > sv.size() 的情况会抛出 out_of_range 异常。
而 remove_prefix/suffix 就不会，如果他的 n > sv.size()，则属于未定义行为，可能崩溃。
总结：remove_prefix/suffix 更高效，substr 更安全。这和 [] 更高效，at 更安全是一个道理。

很多 string 的成员函数也支持 string_view

string 的成员函数 append、replace、find、rfind、find_first_of、+ 和 += 运算符等，其实也支持 string_view 作参数。

string &append(string_view sv);
size_t find(string_view sv, size_t pos) const noexcept;

官方为了让 头文件不依赖于 <string_view> 头文件，把他们写成了模板，并利用类似 SFINAE 的机制给模板参数类型的设了一些限制（相当于把 string_view 定义为一个 concept），所以虽然 中看不到 string_view 的出现，却能把 string_view 作为参数（ StringViewLike）。

string_view 和 string 的共同点

at、[]、substr、data、begin、end
find、rfind、find_first_of、find_last_of
find_first_not_of、find_last_not_of
front、back、starts_with、ends_with
compare、==、!=、<、>、<=、>=

这些函数和 string 的都是一样的，并且其中 substr 更高效（不需要分配一个新 string 对象）。string_view 有的都是这些只读的函数；没有的都是 replace、append、insert 这一类需要修改自身的函数。

类型转换规则一览

const char * ===隐式==O(n)==> string_view
string ===隐式==O(1)==> string_view
const char * ===隐式==O(n)==> string
string_view ===显式==O(n)==> string
string ===c_str==O(1)==> const char *

隐式：string s = “hello”;
显式：string s(“hello”); 或 auto s = string(“hello”);
c_str：const char *cs = s.c_str();

标准库 string 源码解析

string 的本质是 basic_string

template<
    class CharT,
    class Traits = std::char_traits<CharT>,
    class Allocator = std::allocator<CharT>	> class basic_string;
(1)	
namespace pmr {
template<
    class CharT,
    class Traits = std::char_traits<CharT>	> using basic_string =
    std::basic_string<CharT, Traits, std::pmr::polymorphic_allocator<CharT>>;
}
(2)	(since C++17)

_EXPORT_STD using string  = basic_string<char, char_traits<char>, allocator<char>>;
using wstring = basic_string<wchar_t, char_traits<wchar_t>, allocator<wchar_t>>;
#ifdef __cpp_lib_char8_t
using u8string = basic_string<char8_t, char_traits<char8_t>, allocator<char8_t>>;
#endif // __cpp_lib_char8_t
using u16string = basic_string<char16_t, char_traits<char16_t>, allocator<char16_t>>; 
using u32string = basic_string<char32_t, char_traits<char32_t>, allocator<char32_t>>;

所以在调试的时候经常会看到 string 被 c++filt 解析为 basic_string<char, char_traits, allocator>。
因为 std::string 其实就是他的类型别名（typedef）。
其中 char_traits 定义了字符串具体各种函数的实现，例如 length 默认为 strlen，如果这里指定其他的 traits，就可以替换其实现，改变 string 内部的工作方式。allocator 也是同理，之后我们会专门有一节课讲 allocator 与内存分配。
后面两个参数是默认的，写 basic_string 就行了。
同理，string_view 其实也是 basic_string_view<char, char_traits> 的类型别名。

---

GCC 标准库内部变量的命名规范，观察可以发现：

_M_xyz 表示成员变量/函数。
_S_xyz 表示静态成员变量/函数。
__xyz 表示函数参数。
_Tp_xyz 表示模板类型参数。

string 的空基类优化

首先映入眼帘的是 _Alloc_hider 这个奇怪的类，包装了一下首地址指针 _M_p。为什么要套这一层壳？这其实是为了防止 allocator 对象浪费空间的优化手段。俗称空基类优化，问题来了，为什么需要空基类优化？

如果不优化的话，是会把 allocator 直接作为成员变量放在 basic_string 里的，但是因为 C++ 规定任何对象都要有大小，即使这个类没有任何成员变量，也要有至少 1 字节的大小（为了防止 allocator 的数组指针傻傻分不清）。
但一般来说 allocator 都是空的，没有成员变量，而由于需要和前后夹杂着的首地址指针 _M_p 对齐的原因，需要占据额外空间，最终会耗费 8 字节的大小！而这 8 字节实际上没有任何数据，只是为了伺候古代 C++ 这个“空类也必须有 1 字节大小”的设定……

---

那么继续往下看，basic_string 里定义了一个 _Alloc_hider 类型的变量 _M_dataplus，刚刚说了他里面实际派用场的是 _M_p，所以下面的 _M_data() 函数直接访问 _M_dataplus._M_p 了。

为了弥补这个缺点，C++ 标准委员会提出了空基类优化：
如果一个类（_Alloc_hider）的基类是空类（allocator），则这个基类不占据任何空间，如果这个派生类（_Alloc_hider）如果定义了大小为 n 字节的成员变量（_M_p），则这个派生类（_Alloc_hider）的大小也是 n，不会变成 n + 1。
所以这就是为什么 GCC 标准库把成员变量 _M_p 挪到了一个 _Alloc_hider 里，而让 _Alloc_hider 又继承 allocator。就是为了在 allocator 为空类的时候（无状态分配器），能让 allocator 不必占据额外的空间。
问题：既然 allocator 往往都是个空类（std::allocator 默认就是空类，只有几个成员函数负责调用 operator new 和 operator delete），为什么还要把 allocator 对象存到 string 对象里，最后还要搞什么空基类优化防止他浪费空间，多此一举？因为最近开始流行“有状态分配器”了

有无空基类优化的对比

#include<string>
#include<iostream>
#include<string_view>
using namespace std;
struct Empty{
};
struct NonEmpty {
	char c;
};
struct DerivedEmpty : Empty {
	int i;
};
struct DerivedNonEmpty : NonEmpty {
	int i;
};

int main()
{
	cout << sizeof(Empty) << endl;    //1 = 1(empty)
	cout << sizeof(NonEmpty) << endl; // 1=1 char c
	cout << sizeof(DerivedEmpty) << endl;	//4=0(empty) +4(int i)
	cout << sizeof(DerivedNonEmpty) << endl;	//8 = 8 =1(char c) +3(padding) +4(int i)
	//padding是指在结构体或类中为了对齐内存而自动插入的字节
	//padding只会在结构体或类的成员之间插入，而不会在结构体或类的开头或结尾插入。
	//这是为了保证结构体或类的起始地址和结束地址符合对齐规则。
}

string 的小字符串优化

继续往下看。看到下面有一个 _M_local_buf 的字符数组，和 size_t 的 _M_allocated_capacity 的成员变量。其中 _M_local_buf 大小是 16，常量 _S_local_capacity 为 15 / sizeof(char) 也就是 15。
这个意思是，当字符串长度小于 16 字节时，不是像 vector 一样把数据存在堆上（通过 new 分配的），而是存储在 _M_local_buf 里。

这称之为小字符串优化，小字符串的上限是 15 字节，而不是 16 字节，为什么？看到这里的 _S_local_capacity + 1 了没，他是为了给 ‘\0’ 留个空位，为的是让 c_str 总能正常得到 0 结尾字符串。所以因为要支持 c_str，string 其实比 vector 多一个负担：需要额外一个字节的空间来存放 ‘\0’。

string 的 capacity 函数也经过了特殊处理。

string 内存分布示意图

C++ 的 string 采用了 [ptr, len, capacity] 构型。其中最后的 capacity 当字符串长度小于 15 时，
还和局部小字符串缓存共享了空间。_M_local_buf 是物理让字符串比较小的时候能存储在栈上，如果超过 15 字节再去堆上分配空间。这样能节省 new/delete 的一点性能开销。

例如 “helloworld” 这个字符串只有 10 字节，他实际上是存储在栈上的，这时 _M_p 会被设置为
指向 _M_local_buf 的首地址。不过对于大字符串，这多出来的 8 字节 (unused)是完全浪费掉的，但也不亏，就当是为了对齐到32 字节而故意留的 padding 了。

vector 内存分布示意图

C++ 的 vector 采用了 [ptr, ptr + len, ptr + capacity] 构型。vector 没有采用小字符串优化…这是因为 string 面对的都是 char，wchar_t 这种比较小的类型，且用户常用的字符串往往比较短很容易放进 15 字节的局部栈空间里；然而vector 面对的往往是比较大的数据结构，有时还有智能指针，std::thread 这种具有非平凡构造/析构函数的类型。对vector 来说保障 RAII 的安全更重要，所以没有冒险优化。

string 的 append 实现

append 和 resize 都会去调用 _M_append 这个内部函数。
他会检测 append 以后是否超过容量，决定是否要扩容数组。

在 compare 等函数涉及到 0 结尾字符串的版本，都会调用 char_traits 中的方法，方便用户通过模板扩展（性能上或功能上）。
例如：basic_string<char, my_simd_char_traits>。

char_traits 内函数的实现

Unicode 与宽字符

wchar_t 的普及

以后用 const wchar_t * 代替 const char *。或者继续用 const char * 也行，
不过要注意四个 char 一组。并且现在 ‘\0’ 也不能用作结束符了，因为 wchar_t 的最高位始终 0（因为 Unicode 只有 3 字节，wchar_t 的 4 字节有一个字节总是为 0 的），这会导致现有的 C 语言函数用不了，例如 strlen(s) 现在总是会返回 3 了。
因此 C 语言为了适应这个变化，推出了专门针对 wchar_t 的 wcslen、wcscpy、wmemset 等函数。
Windows 也赶紧推出 LoadLibraryA 和 LoadLibraryW 两个版本，分别伺候喜欢 char 和喜欢 wchar_t 的不同用户群体。

互联网标准编码格式：UTF-8

UTF-16 没法兼容 ASCII，在网络上传输还需要考虑字节序等等各种问题。所以又推出了完全兼容 ASCII 的 UTF-8 格式。

UTF-32 是固定为 4 字节的编码（实际 Unicode 只有 3 字节）。
UTF-16 是在 2 和 4 字节之间变长的编码。
UTF-8 则是在 1、2、3、4 字节之间变长的编码。
其中 1 字节就是 ASCII 部分 0x00~0x7F，剩余的部分根据他们在 Unicode 中的顺序，依次变长。作为变长编码的代价，UTF-8 需要在二进制中浪费很多额外的空间来表示，导致中文汉字需要 3 字节才能存储。好处是这能完全兼容以前 const char * 的那套代码，包括 ‘\0’ 结尾字符串都可以继续正常使用，不用全换到 wchar_t 里来。

读写双方编码格式不同：会导致乱码

然而不同的编码格式之间并不兼容。
例如 GBK 规定“我”这个字对应的整数是 0xCED2，而 Unicode 却规定“我”是 0x6211。
如果一个人用 GBK 写了个日记，开头是“我”这个字符。
然后另一个人用 UTF-16 来打开，那就会看到开头的文字（0xCED2）被显示成：

例如微软的 Windows 在中国发售时，就会默认采用 GB18030 格式，所以有时候你会发现 Windows 上编辑好的文件，拿到 Linux（往往是 UTF-8）的电脑上打开会变成乱码。就是因为编码格式不匹配的原因。
但如果你 Windows 上写日记，只写 ASCII 字符，那么拿到 Linux 就不会有任何问题。因为 UTF-8 和 GBK 这两个编码格式是兼容 ASCII 的，他保证 0x00~0x7F 仍然是原来那几个英文字符，因为他们只利用 0x80~0xFF 的部分……

MSVC 经典笑话：烫烫烫屯屯屯

Windows 的 MSVC 在 Debug 模式下会默认把未初始化的栈内存填满 0xCC
（x86 的 INT3 单步中断指令），未初始化的堆内存填满 0xCD。
而 0xCCCC 在 GBK 编码中就是“烫”，所以如果不小心打印了栈上未初始化的字符串数组，就会看到“烫烫烫”。
而 0xCDCD 在 GBK 编码中就是“屯”，所以如果不小心打印了堆上未初始化的字符串数组，就会看到“屯屯屯”。

总结

现在普遍采用了 UTF-8 格式，虽然 Windows 还在用 UTF-16 和 GBK。
在调用 Windows 的 LoadLibraryW 系列函数需要用：
const wchar_t *，UTF-16 编码的字符串。
在调用中文版 Windows 的 LoadLibraryA 系列函数需要用：
const char *，GBK 编码的字符串。
在调用英文版 Windows 的 LoadLibraryA 系列函数需要用：
const char *，UTF-8 编码的字符串。
Windows 还定义了 LoadLibrary 这个宏，还有 TCHAR 这个类型别名（编译时可以自动变成 wchar_t 或者 char），方便程序员自动切换于两个版本之间。
Linux 没有分两个版本 会根据环境变量 LANG 和 LC_ALL 的值来动态决定采用哪种编码格式和语言。

C++ 中对各大编码格式的支持

其中后面三个是不随系统而改变的（C++ 标准委员会定义）
前面三个是随系统而改变的（Linux 和 Windows 自己定义）。

和 C++14 自定义常量后缀的联动：

“字符”s 会得到 string。
L“字符”s 会得到 wstring。
“字符”sv 会得到 string_view。
L“字符”sv 会得到 wstring_view。
u8“字符”s 会得到 u8string。