C/C++字符串处理(2)：String - 常字符串

许式伟
2008-3-23
unfold

Table of Contents

概要

理解String（BasicString）

关于TempString基类

源码

参考阅读

概要

我们知道，C++标准库（STL）提供了string（basic_string）类进行字符串操作。字符串很可能除了内存分配器（allocator）¹外使用最为频繁的STL类。但是C++社区对string的指责从来就没有停止过。

归纳起来，STL的string类主要有以下这些争议点：

• 接口过多且规格和其他STL容器没有达成很好的一致性。例如，string::find使用下标，而不是以iterator作为迭代位置，这和其他容器不太一样。
• 内存碎片。由于过于频繁的字符串构造、析构，导致系统的内存碎片现象严重。
• Copy -On-Write与多线程安全。string(basic_string)基于Copy-On-Write技术的原因，是因为 string的赋值被设计成为低开销的。但是一旦考虑到多线程安全问题，Copy-On-Write会把大量的时间花在锁的开销上。一些新的STL实现 （如SGI STL）放弃了基于Copy-On-Write的string实现。

我认同这些指责。字符串最好的设计，还是将string分拆为一个常字符串（std::String）和一个字符串操作类（StringBuilder）。我们的StdExt库这样做了。

理解String（BasicString）

StdExt的String（BasicString），和你以前见过的所有字符串类都不太一样。这个类比你想象的还要简单，它只有两个成员变量：

template <class _E>
class BasicString
{
const _E* m_pszBuf;
size_t m_length;
}; 

它区别于string（basic_string）之处在于：

• 它是一个常字符串，它永远不会试图去篡改字符串内容（m_pszBuf指向的数据）。
• 它没有析构，你可以认为其实只是一个结构体。当然，为了方便，BasicString还是有构造函数。
• 它的m_pszBuf不以nil为结束。而是由m_length成员限定字符串的长度。
• 它不维护字符串内容（m_pszBuf）的生命周期。如上所述，它没有析构，任何时刻它只是接受或者生成字符串内容，但是不负责销毁它。

最后一点非常重要，也是它的特别之处：它并不维护字符串的生命周期。这可能让你诧异：居然会有这样字符串类，它并不管理字符串的生命周期。

但是我们这样做了。而这的确给我们带来很多便利。例如：

• 赋值（复制）、子串（substr）是非常轻量的操作。Copy-On-Write技术完全是多余的。
• 可以将任意的线性容器（如std::vector、std::basic_string）临时转换为String（非常轻量）。参见下文中对String::cast方法的介绍。

为什么String类可以不管理自己的生命周期？这就是我们StdExt的内存管理变革倡导的思想了。

浏览下String类的参考手册，你注意到有这样两个构造函数：

BasicString(const value_type* pszVal, size_type cch);

template <class AllocT>
BasicString(AllocT& alloc, const value_type* pszVal, size_type cch); 

这表示：第一个构造函数传入的pszVal，其生命周期比BasicString长（到BasicString析构时仍然有效）。而第二个构造函数的意思是，pszVal是一个临时有效的字符串，这个构造函数将拷贝一个pszVal字符串的副本。

为什么不支持 BasicString(const value_type* pszVal) 这样的构造？

很简单，这个构造过于危险，我不能确定你的意图是什么。

关于TempString基类

从字面意思来讲，这是一个临时字符串类。为什么它会是String（即BasicString）的基类？这其实只是实现上的需要。TempString理论上就是String（只是有特殊的生命周期），和BasicString规格一致。之所以它最后成为BasicString的基类，完全是实现上方便的考虑。

以BasicString::compare为例，我们考察以下这个函数：

int BasicString::compare(const TempString<_E> b) const; 

这个函数的含义非常丰富。相当于定义了以下这一系列的函数：

int BasicString::compare(const _E& b) const; // 与包含单个字符b的字符串比较
int BasicString::compare(const _E* b) const; // 与C Style风格的字符串b比较
int BasicString::compare(const basic_string<_E>& b) const; // 与STL string比较
int BasicString::compare(const BasicString<_E>& b) const; // 与另一个常String比较
int BasicString::compare(const vector<_E>& b) const; // 与向量表示的字符串b比较
int BasicString::compare(const BasicStringBuilder<_E>& b) const; 

一个函数可抵6个函数！

你已经看到，BasicString中大量使用TempString来进行规格定义。这种方式的代码伸缩性无疑相当好。TempString的构造每增加一种线性字符串的支持，BasicString的所有相关操作即可立即支持该类型的字符串表示。

为了进一步说明这种做法的好处，我们再以字符串连接（concat）作为例子进行说明：

template <class AllocT, class _E> // 多个字符串连接。
BasicString<_E> concat(AllocT& alloc, TempString<_E> a1, TempString<_E> a2, ...); 

concat并非是BasicString类的成员函数。而是与BasicString有密切关系的全局函数。对于STL string类，你通常被推荐用operator+或者string::append函数来进行字符串连接。如：

std::string a = std::string("Hello") + " " + "world" + "!!!"; 

而对应地，BasicString并无operator+或者append，它使用全局的std::concat函数进行字符串连接。如下：

std::String a = std::concat(alloc, "Hello", " ", "world", "!!!"); 

有意思的是，这个std::concat不只可以高效地连接任意多的字符串，而且，它还可以连接高效地连接各种线性的字符串表示，包括：char*, std::string, std::vector<char>, std::String, std::StringBuilder等。例如：

std::string hello = "Hello";
std::String space(" ", 1);
std::vector<char> excalmatory_mark(3, '!');
std::String a = std::concat(alloc, hello, space, "world", excalmatory_mark); 

这其中的奥秘，全在TempString上。关于std::TempString的详细说明，参见TempString。

源码

• stdext/text/TempString.h
• stdext/text/BasicString.h

StdExt库的工程主页：http://code.google.com/p/stdext/

参考阅读

• String
• TempString
• concat
• std::string

Footnotes

1. C++的内存分配器（allocator）有点奇怪，虽然处处用到它，但是多数程序员对它很陌生。关于这方面的话题，参阅《C++内存管理专题》。