浅谈c语言中的字符串
写在前面：最近MM问了我一个问题——字符串在内存中位于哪里？我想当然是位于数据段(data segment)。她又问，那怎么保证它只读呢？我答不上了。有些问题，看似简单，背后却隐藏着天机，后来查了一些资料，对C语言的字符串有了一个全新的认识。但是不是终极认识，最近实在是太忙了，以后再重来认识它吧。进入正文：
注：segment和section两个单词经常混用，在这里我对运行时用segment，对编译时用section。
(1)表示形式
字符数组形式:char str[]="hustcat";
字符指针形式:char *str="hustcat";
(2)sizeof与strlen
sizeof("hustcat")=8; sizeof("")=1,而不是0;
strlen("hustcat")=7; strlent("")=0
(3)单字符字符串常量与字符常量的值大不相同
int x=(int)"A";
得到的结果是将x初始化成指向包含'A'和'"0'两个字符的内存块的指针。
int y=(int)'A';
得到的结果是y=0x41
(4)读写性
char p1[]="always writable"; //p1[0]='1' ,OK
char *p2="possibly not writable"; //p2[0]='1',在vc++ 6.0和gcc下都会出现运行时错误(段错误)
const char p3[]="never writable";//p3[0]='1',总是会造成编译时错误
(5)标准c允许实现对包含相同字符串的两个字符串常量使用同一存储空间。
char *str1,*str2
int main()
{
str1="hustcat";
str2="hustcat";
if(str1==str2)
printf("strings are shared."n");
else
printf("strings are not shared."n");
return 0;
}
在vc++ 6.0和gcc下输出：
strings are shared.
(6)编译时与运行时
字符串常量编译之后位于哪里?文本区(text section)，数据区(data section)还是bss区?
下面来看几个实际的程序：
以下基于gcc 1.40,输出的可执行文件格式为a.out格式:
第一个程序：
#include <stdio.h>
int main()
{
char *ptr="1111";
int a=12;
return 0;
}
---------汇编输出-----------------
.file "hello.c"
gcc_compiled.:
.text
LC0:
.ascii "1111\0"
.align 2
.globl _main
_main:
pushl %ebp
movl %esp,%ebp
subl $8,%esp
movl $LC0,-4(%ebp)
movl $12,-8(%ebp)
xorl %eax,%eax
jmp L1
.align 2
L1:
leave
ret
---------相应信息----------------------
[/usr/root]# objdump -h hello.o
hello.o:
magic: 0x107 (407)machine type: 0flags: 0x0text 0x24 data 0x0 bss 0x0
nsyms 2 entry 0x0 trsize 0x8 drsize 0x0
[/usr/root]# objdump -h hello
hello:
magic: 0x10b (413)machine type: 0flags: 0x0text 0x1000 data 0x1000 bss 0x0
nsyms 20 entry 0x0 trsize 0x0 drsize 0x0
可以看出，在a.out格式目标文件中,字符串常量位于代码区。
第二个程序:
#include <stdio.h>
char *p="2222";
int main()
{
char *ptr="1111";
int a=12;
return 0;
}
---------汇编输出------------------
.file "hello.c"
gcc_compiled.:
.globl _p
.text
LC0:
.ascii "2222\0"
.data
.align 2
_p:
.long LC0
.text
LC1:
.ascii "1111\0"
.align 2
.globl _main
_main:
pushl %ebp
movl %esp,%ebp
subl $8,%esp
movl $LC1,-4(%ebp)
movl $12,-8(%ebp)
xorl %eax,%eax
jmp L1
.align 2
L1:
leave
ret
-----------相应信息-------------------
[/usr/root]# objdump -h hello.o
hello.o:
magic: 0x107 (407)machine type: 0flags: 0x0text 0x28 data 0x4 bss 0x0
nsyms 3 entry 0x0 trsize 0x8 drsize 0x8
[/usr/root]# objdump -h hello
hello:
magic: 0x10b (413)machine type: 0flags: 0x0text 0x1000 data 0x1000 bss 0x0
nsyms 20 entry 0x0 trsize 0x0 drsize 0x0
可以知道，全局变量p位于data section,而字符串仍然位于text section。
第三个程序：
#include <stdio.h>
char *p1="2222";
char *p2="2222";
char str1[]="3333";
int main()
{
char *ptr="1111";
char str2[]="4444";
int a=12;
return 0;
}
-----------汇编输出---------------
.file "hello.c"
gcc_compiled.:
.globl _p1
.text
LC0:
.ascii "2222\0"
.data
.align 2
_p1:
.long LC0 //p1和p2使用同一存储空间
.globl _p2
.align 2
_p2:
.long LC0
.globl _str1
_str1:
.ascii "3333\0" //str1所包含的字符串位于data区
.text
LC1:
.ascii "1111\0"
LC2:
.ascii "4444\0"
.align 2
.globl _main
_main:
pushl %ebp
movl %esp,%ebp
subl $16,%esp
movl $LC1,-4(%ebp)
leal -12(%ebp),%eax
movl %eax,%eax
movl LC2,%edx
movl %edx,-12(%ebp)
movb LC2+4,%dl
movb %dl,-8(%ebp)
movl $12,-16(%ebp)
xorl %eax,%eax
jmp L1
.align 2
L1:
leave
ret
可以知道,p1和p2使用同一存储空间,str1以及它的字符串都位于data section。
但是对于gcc 3.2.2生成的ELF(Executable and Linking Format)目标文件,结果又不同。
来看一个例子:
#include <stdio.h>
char *str1,*str2;
int main()
{
str1="abcd";
str2="abcd";
if (str1==str2)
printf("string are shared.\n");
else
printf("not shared.\n");
str1[0]='1';
if (*str1=='1')
printf("writable.\n");
else
printf("not writable.\n");
return 0;
}
-----------汇编输出--------------------------------
.file "test.c"
.section .rodata
.LC0:
.string "abcd" //字符串位于rodata section
.LC1:
.string "string are shared.\n"
.LC2:
.string "not shared.\n"
.LC3:
.string "writable.\n"
.LC4:
.string "not writable.\n"
.text
.globl main
.type main,@function
main:
pushl %ebp
movl %esp, %ebp
subl $8, %esp
andl $-16, %esp
movl $0, %eax
subl %eax, %esp
movl $.LC0, str1
movl $.LC0, str2
movl str1, %eax
cmpl str2, %eax
jne .L2
subl $12, %esp
pushl $.LC1
call printf
addl $16, %esp
jmp .L3
.L2:
subl $12, %esp
pushl $.LC2
call printf
addl $16, %esp
.L3:
movl str1, %eax
movb $49, (%eax)
movl str1, %eax
cmpb $49, (%eax)
jne .L4
subl $12, %esp
pushl $.LC3
call printf
addl $16, %esp
jmp .L5
.L4:
subl $12, %esp
pushl $.LC4
call printf
addl $16, %esp
.L5:
movl $0, %eax
leave
ret
.Lfe1:
.size main,.Lfe1-main
.comm str1,4,4
.comm str2,4,4
.ident "GCC: (GNU) 3.2.2 20030222 (Red Hat Linux 3.2.2-5)"
----------------相应信息------------------------------------
[root@localhost devlop]# objdump -h test.o
test.o: file format elf32-i386
Sections:
Idx Name Size VMA LMA File off Algn
0 .text 0000008e 00000000 00000000 00000034 2**2
CONTENTS, ALLOC, LOAD, RELOC, READONLY, CODE
1 .data 00000000 00000000 00000000 000000c4 2**2
CONTENTS, ALLOC, LOAD, DATA
2 .bss 00000000 00000000 00000000 000000c4 2**2
ALLOC
3 .rodata 00000040 00000000 00000000 000000c4 2**0
CONTENTS, ALLOC, LOAD, READONLY, DATA
4 .comment 00000033 00000000 00000000 00000104 2**0
CONTENTS, READONLY
从上可知，在ELF格式中,字符串常量位于rodata section，该区是只读的。
下面来对比一下a.out格式和ELF格式:
a.out头部
int a_magic; // 幻数
int a_text; // 文本段大小
int a_data; // 初始化的数据段大小
int a_bss; // 未初始化的数据段大
int a_syms; // 符号表大小
int a_entry; // 入口点
int a_trsize; // 文本重定位段大小
int a_drsize; // 数据重定位段大小
ELF文件头部
.text
.data
.rodata
.bss
.sym
.rel.text
.rel.data
.rel.rodata
.line
.debug
.strtab
总的来说，在编译时，字符串的编译后所处的位置与具体的编译器(目标文件格式)相关；
运行时，则与具体的操作系统(可执行文件格式)和加载器的实现相关。
