string的詳解

<script type="text/javascript"><!-- /*<![CDATA[*/ if(top.location != self.location){ top.location = self.location; } var myref = encodeURIComponent("http://hi.baidu.com/taney/blog/item/5aed5381a98caedbbc3e1eb8%2Ehtml"); /*]]>*/ // --></script>

0 前言: string 的角色

C++ 語言是個十分優秀的語言，但優秀並不表示完美。還是有許多人不願意使用C或者C++，爲什麼？原因衆多，其中之一就是C/C++的文本處理功能太麻煩，用 起來很不方便。以前沒有接觸過其他語言時，每當別人這麼說，我總是不屑一顧，認爲他們根本就沒有領會C++的精華，或者不太懂C++，現在我接觸 perl, php, 和Shell腳本以後，開始理解了以前爲什麼有人說C++文本處理不方便了。

舉例來說，如果文本格式是：用戶名 電話號碼，文件名name.txt

Tom 23245332Jenny 22231231Heny 22183942Tom 23245332...

現在我們需要對用戶名排序，且只輸出不同的姓名。

那麼在shell 編程 中，可以這樣用：

awk




 '{print $1}




' name.txt | sort | uniq

簡單吧？

如果使用C/C++ 就麻煩了，他需要做以下工作：

1. 先打開文件，檢測文件是否打開，如果失敗，則退出。
2. 聲明一個足夠大得二維字符數組或者一個字符指針數組
3. 讀入一行到字符空間
4. 然後分析一行的結構，找到空格，存入字符數組中。
5. 關閉文件
6. 寫一個排序函數，或者使用寫一個比較函數，使用qsort排序
7. 遍歷數組，比較是否有相同的，如果有，則要刪除，copy...
8. 輸出信息

你可以用C++或者C語言去實現這個流程。如果一個人的主要工作就是處理這種類似的文本(例如做apache的日誌統計和分析),你說他會喜歡C/C++麼？

 

當然，有了STL，這些處理會得到很大的簡化。我們可以使用 fstream來代替麻煩的fopen fread fclose, 用vector 來代替數組。最重要的是用 string 來代替char * 數組，使用sort排序算法 來排序，用unique 函數 來去重。聽起來好像很不錯 。看看下面代碼(例程1）：

#include<string>



#include<iostream>



#include<algorithm>



#includevector>



#include<fstream>



using namespace std;



int main()

{       	

	ifstream in("name.txt");       	

	string strtmp;       	

	vector<string> vect;      	

	while(getline(in, strtmp, '/n'))     		

		vect.push_back(strtmp.substr(0, strtmp.find(' ')));    	

	sort(vect.begin(), vect.end());     	

	vector<string>::iterator it=unique(vect.begin(), vect.end());   	

	copy(vect.begin(), it, ostream_iterator<string>(cout, "/n"));      	

    return 0;

}

也還不錯吧，至少會比想象得要簡單得多！（代碼裏面沒有對錯誤進行處理，只是爲了說明問題，不要效仿).

當然，在這個文本格式中，不用vector而使用map會更有擴充性，例如，還可通過人名找電話號碼等等，但是使用了map就不那麼好用sort了。你可以用map試一試。

這裏string的作用不只是可以存儲字符串，還可以提供字符串的比較，查找等。在sort和unique函數中就默認使用了less 和equal_to函數, 上面的一段代碼，其實使用了string的以下功能：

1. 存儲功能，在getline() 函數中
2. 查找功能，在find() 函數中
3. 子串功能，在substr() 函數中
4. string operator < , 默認在sort() 函數中調用
5. string operator == , 默認在unique() 函數中調用

總之，有了string 後，C++的字符文本處理功能總算得到了一定補充，加上配合STL其他容器使用，其在文本處理上的功能已經與perl, shell, php的距離縮小很多了。 因此掌握string 會讓你的工作事半功倍。

 

1 string 使用

其實，string並不是一個單獨的容器，只是basic_string 模板類的一個typedef 而已，相對應的還有wstring, 你在string 頭文件中你會發現下面的代碼:

extern"C++" 

{  	

	typedef	basic_string <char> string;   	

	typedef	basic_string <wchar_t> wstring;

} // extern "C++"

由於只是解釋string的用法，如果沒有特殊的說明，本文並不區分string 和 basic_string的區別。

string 其實相當於一個保存字符的序列容器，因此除了有字符串的一些常用操作以外，還有包含了所有的序列容器的操作。字符串的常用操作包括：增加、刪除、修改、查找比較、鏈接、輸入、輸出等。詳細函數列表參看附錄 。不要害怕這麼多函數，其實有許多是序列容器帶有的，平時不一定用的上。

如果你要想了解所有函數的詳細用法，你需要查看basic_string ，或者下載STL編程手冊 。這裏通過實例介紹一些常用函數。

1.1 充分使用string 操作符

string 重載了許多操作符，包括 +, +=, <, =, , [], <<, >>等，正式這些操作符，對字符串操作非常方便。先看看下面這個例子：tt.cpp（例程2）

#include<string>

#include<iostream>

using namespace std;

int main()

{     

	string strinfo="Please input your name:";      

	cout << strinfo ;    

        cin >> strinfo;     

	if( strinfo == "winter" )     

	cout << "you are winter!"<<endl; 

	else

		if

			( strinfo != "wende" )  

			cout << "you are not wende!"<<endl; 

		else

			if

				( strinfo < "winter")   

				cout << "your name should be ahead of winter"<<endl; 

			else

				cout << "your name should be after of winter"<<endl;  

			strinfo += " , Welcome to China!";    

			cout << strinfo<<endl;   

			cout <<"Your name is :"<<endl;   

			string strtmp = "How are you? " + strinfo;  

			for(int i = 0 ; i < strtmp.size(); i ++) 

				cout<<strtmp[i]; 

			return 0;

}

下面是程序的輸出

-bash-2.05b$ make ttc++  -O -pipe -march=pentiumpro  tt.cpp  -o




string, int




> mymap;//以上默認使用了 less<string>

有了 operator + 以後，你可以直接連加，例如：

string strinfo="Winter";



string strlast="Hello" + strinfo + "!";



//你還可以這樣：




string strtest="Hello" + strinfo + " Welcome" + " to China" + " !";

看見其中的特點了嗎？只要你的等式裏面有一個 string 對象，你就可以一直連續"+"，但有一點需要保證的是，在開始的兩項中，必須有一項是 string 對象。其原理很簡單：

1. 系統遇到"+"號，發現有一項是string 對象。
2. 系統把另一項轉化爲一個臨時 string 對象。
3. 執行 operator + 操作，返回新的臨時string 對象。
4. 如果又發現"+"號，繼續第一步操作。

由於這個等式是由左到右開始檢測執行，如果開始兩項都是const char* ，程序自己並沒有定義兩個const char* 的加法，編譯的時候肯定就有問題了。

有了操作符以後，assign(), append(), compare(), at()等函數，除非有一些特殊的需求時，一般是用不上。當然at()函數還有一個功能，那就是檢查下標是否合法，如果是使用：

string str="winter";//下面一行有可能會引起程序中斷錯誤




str[100]='!';//下面會拋出異常:throws: out_of_range




cout<<str.at(100)<<endl;

瞭解了嗎？如果你希望效率高，還是使用[]來訪問，如果你希望穩定性好，最好使用at()來訪問。

1.2 眼花繚亂的string find 函數

由於查找是使用最爲頻繁的功能之一，string 提供了非常豐富的查找函數。其列表如下：

函數名	描述
find	查找
rfind	反向查找
find_first_of	查找包含子串中的任何字符，返回第一個位置
find_first_not_of	查找不包含子串中的任何字符，返回第一個位置
find_last_of	查找包含子串中的任何字符，返回最後一個位置
find_last_not_of	查找不包含子串中的任何字符，返回最後一個位置

以上函數都是被重載了4次，以下是以find_first_of 函數爲例說明他們的參數，其他函數和其參數一樣，也就是說總共有24個函數 ：

size_type find_first_of(const basic_string& s, size_type pos = 0)



size_type find_first_of(const charT* s, size_type pos, size_type n)



size_type find_first_of(const charT* s, size_type pos = 0)



size_type find_first_of(charT c, size_type pos = 0)

所有的查找函數都返回一個size_type類型，這個返回值一般都是所找到字符串的位置，如果沒有找到，則返回string::npos。 有一點需要特別注意，所有和string::npos的比較一定要用string::size_type來使用，不要直接使用int 或者unsigned int等類型。其實string::npos表示的是-1, 看看頭文件：

template<class _CharT, class _Traits, class _Alloc> const
basic_string<_CharT,_Traits,_Alloc>
::size_type basic_string<_CharT,_Traits,_Alloc>
::npos = basic_string<_CharT,_Traits,_Alloc>
::size_type -1;

find 和 rfind 都還比較容易理解，一個是正向匹配，一個是逆向匹配，後面的參數pos都是用來指定起始查找位置。對於find_first_of 和find_last_of 就不是那麼好理解。

find_first_of 是給定一個要查找的字符集，找到這個字符集中任何一個字符所在字符串中第一個位置。或許看一個例子更容易明白。

有這樣一個需求：過濾一行開頭和結尾的所有非英文字符。看看用string 如何實現：

#include<string>
#include<iostream>
using namespace std;
int main()
{    
    string strinfo="//*---Hello Word!......------";  
    string strset="ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz";
    int first = strinfo.find_first_of(strset);

    int last = strinfo.find_last_of(strset);
    if(first ==-1)&&(last ==-1) )
           cout<<"not find any characters,the result is incorect!"<<endl;
       cout << strinfo.substr(first, last - first + 1)<<endl;   
       return 0;
}

這裏把所有的英文字母大小寫作爲了需要查找的字符集，先查找第一個英文字母的位置，然後查找最後一個英文字母的位置，然後用substr 來的到中間的一部分，用於輸出結果。下面就是其結果：

Hello Word

前面的符號和後面的符號都沒有了。像這種用法可以用來查找分隔符，從而把一個連續的字符串分割成爲幾部分，達到 shell 命令中的 awk 的用法。特別是當分隔符有多個的時候，可以一次指定。例如有這樣的需求：

張三|3456123, 湖南李四,4564234| 湖北王小二, 4433253|北京...

我們需要以 "|" ","爲分隔符，同時又要過濾空格，把每行分成相應的字段。可以作爲你的一個家庭作業來試試，要求代碼簡潔。

1.3 string insert, replace, erase

瞭解了string 的操作符，查找函數和substr，其實就已經瞭解了string的80%的操作了。insert函數, replace函數和erase函數在使用起來相對簡單。下面以一個例子來說明其應用。

string只是提供了按照位置和區間的replace函數，而不能用一個string字串來替換指定string中的另一個字串。這裏寫一個函數來實現這個功能：

void string_replace(string & strBig, const string & strsrc, const string &strdst)
{    
    string::size_type pos=0;   
    string::size_type srclen=strsrc.size();  
    string::size_type dstlen=strdst.size();
    while( (pos=strBig.find(strsrc, pos)))
        != pos += dstlen;  

}

看看如何調用：

#include<string>
#include<iostream>
using namespace std;
int main()
 {    
    string strinfo="This is Winter, Winter is a programmer. Do you know Winter?";
    cout<<"Orign string is :/n"<<strinfo<<endl; 
    string_replace(strinfo, "Winter", "wende");  
    cout<<"After replace Winter with wende, the string is :/n"<<strinfo<<endl;
    return 0;
}

其輸出結果：

Orign string is :This is Winter, Winter is a programmer. Do you know Winter?
After replace Winter with wende,
the string is :This is wende, wende is a programmer. Do you know wende?

如果不用replace函數，則可以使用erase和insert來替換，也能實現string_replace函數的功能：

void string_replace(string & strBig, const   string & strsrc, const string &strdst)
 {      
    string::size_type pos=0;   
    string::size_type srclen=strsrc.size();   
    string::size_type dstlen=strdst.size();   
    while( (pos=strBig.find(strsrc, pos))!=strBig.insert(pos, strdst))
    pos += dstlen;  
    
}

當然，這種方法沒有使用replace來得直接。

2 string 和 C風格字符串

現在看了這麼多例子，發現const char* 可以和string 直接轉換，例如我們在上面的例子中，使用

string_replace(strinfo, "Winter ", "wende");

來代用

void string_replace(string & strBig, const string & strsrc, const string &strdst)

在C語言中只有char* 和 const char*，爲了使用起來方便，string提供了三個函數滿足其要求：

const charT* c_str() const


const charT* data() const


size_type copy(charT* buf, size_type n, size_type pos = 0) const

其中：

1. c_str 直接返回一個以/0結尾的字符串。
2. data 直接以數組方式返回string的內容，其大小爲size()的返回值，結尾並沒有/0字符。
3. copy 把string的內容拷貝到buf空間中。

你或許會問，c_str()的功能包含data()，那還需要data()函數幹什麼？看看源碼：

const charT* c_str () const
{
    if(length () == 0)
        return "";
    terminate ();
    return data ();
}

原來c_str()的流程是：先調用terminate()，然後在返回data()。因此如果你對效率要求比較高，而且你的處理又不一定需 要以/0的方式結束，你最好選擇data()。但是對於一般的C函數中，需要以const char*爲輸入參數，你就要使用c_str()函數。

對於c_str() data()函數，返回的數組都是由string本身擁有，千萬不可修改其內容。其原因是許多string實現的時候採用了引用機制，也就是說，有可能幾 個string使用同一個字符存儲空間。而且你不能使用sizeof(string)來查看其大小。詳細的解釋和實現查看Effective STL 的條款15：小心string實現的多樣性 。

另外在你的程序中，只在需要時才使用c_str()或者data()得到字符串，每調用一次，下次再使用就會失效，如：

string strinfo("this is Winter

");...//最好的方式是:


foo(strinfo.c_str());//也可以這麼用:


const

 char

* pstr=strinfo.c_str();foo(pstr);//不要再使用了pstr了, 下面的操作已經使pstr無效了。


strinfo += " Hello!

";foo(pstr);//錯誤！


會遇到什麼錯誤？當你幸運的時候pstr可能只是指向"this is Winter Hello!"的字符串，


如果不幸運，就會導致程序出現其他問題，


總會有一些不可遇見的錯誤。總之不會是你預期的那個結果。

3 string 和 Charactor Traits

瞭解了string的用法，該詳細看看string的真相了。前面提到string 只是basic_string的一個typedef。看看basic_string 的參數：

template<class charT, class traits = char_traits<charT>,class Allocator = allocator<charT> >class basic_string


{     


	//...



}

char_traits不僅是在basic_string 中有用，在basic_istream 和 basic_ostream中也需要用到。

就像Steve Donovan在過度使用C++模板 中提到的，這些確實有些過頭了，要不是系統自己定義了相關的一些屬性，而且用了個typedef，否則還真不知道如何使用。

但複雜總有複雜道理。有了char_traits，你可以定義自己的字符串類型。當然，有了char_traits < char > 和char_traits < wchar_t > 你的需求使用已經足夠了，爲了更好的理解string ，咱們來看看char_traits都有哪些要求。

如果你希望使用你自己定義的字符，你必須定義包含下列成員的結構：

表達式	描述
char_type	字符類型
int_type	int 類型
pos_type	位置類型
off_type	表示位置之間距離的類型
state_type	表示狀態的類型
assign(c1,c2)	把字符c2賦值給c1
eq(c1,c2)	判斷c1,c2 是否相等
lt(c1,c2)	判斷c1是否小於c2
length(str)	判斷str的長度
compare(s1,s2,n)	比較s1和s2的前n個字符
copy(s1,s2, n)	把s2的前n個字符拷貝到s1中
move(s1,s2, n)	把s2中的前n個字符移動到s1中
assign(s,n,c)	把s中的前n個字符賦值爲c
find(s,n,c)	在s的前n個字符內查找c
eof()	返回end-of-file
to_int_type(c)	將c轉換成int_type
to_char_type(i)	將i轉換成char_type
not_eof(i)	判斷i是否爲EOF
eq_int_type(i1,i2)	判斷i1和i2是否相等

想看看實際的例子，你可以看看sgi STL的char_traits結構源碼 .

現在默認的string版本中，並不支持忽略大小寫的比較函數和查找函數，如果你想練練手，你可以試試改寫一個char_traits , 然後生成一個case_string類, 也可以在string 上做繼承，然後派生一個新的類，例如：ext_string，提供一些常用的功能，例如：

1. 定義分隔符。給定分隔符，把string分爲幾個字段。
2. 提供替換功能。例如，用winter, 替換字符串中的wende
3. 大小寫處理。例如，忽略大小寫比較，轉換等
4. 整形轉換。例如把"123"字符串轉換爲123數字。

這些都是常用的功能，如果你有興趣可以試試。其實有人已經實現了，看看Extended STL string 。如果你想偷懶，下載一個頭文件就可以用，有了它確實方便了很多。要是有人能提供一個支持正則表達式的string，我會非常樂意用。

 

4 string 建議

使用string 的方便性就不用再說了，這裏要重點強調的是string的安全性。

1. string並不是萬能的，如果你在一個大工程中需要頻繁處理字符串，而且有可能是多線程，那麼你一定要慎重(當然，在多線程下你使用任何STL容器都要慎重)。
2. string的實現和效率並不一定是你想象的那樣，如果你對大量的字符串操作，而且特別關心其效率，那麼你有兩個選擇，首先，你可以看看你使用的STL版本中string實現的源碼；另一選擇是你自己寫一個只提供你需要的功能的類。
3. string的c_str()函數是用來得到C語言風格的字符串，其返回的指針不能修改其空間。而且在下一次使用時重新調用獲得新的指針。
4. string的data()函數返回的字符串指針不會以'/0'結束，千萬不可忽視。
5. 儘量去使用操作符，這樣可以讓程序更加易懂（特別是那些腳本程序員也可以看懂）

5 小結

難怪有人說：
string 使用方便功能強，我們一直用它！

 

6 附錄

string 函數列表

函數名	描述
begin	得到指向字符串開頭的Iterator
end	得到指向字符串結尾的Iterator
rbegin	得到指向反向字符串開頭的Iterator
rend	得到指向反向字符串結尾的Iterator
size	得到字符串的大小
length	和size函數功能相同
max_size	字符串可能的最大大小
capacity	在不重新分配內存的情況下，字符串可能的大小
empty	判斷是否爲空
operator[]	取第幾個元素，相當於數組
c_str	取得C風格的const char* 字符串
data	取得字符串內容地址
operator=	賦值操作符
reserve	預留空間
swap	交換函數
insert	插入字符
append	追加字符
push_back	追加字符
operator+=	+= 操作符
erase	刪除字符串
clear	清空字符容器中所有內容
resize	重新分配空間
assign	和賦值操作符一樣
replace	替代
copy	字符串到空間
find	查找
rfind	反向查找
find_first_of	查找包含子串中的任何字符，返回第一個位置
find_first_not_of	查找不包含子串中的任何字符，返回第一個位置
find_last_of	查找包含子串中的任何字符，返回最後一個位置
find_last_not_of	查找不包含子串中的任何字符，返回最後一個位置
substr	得到字串
compare	比較字符串
operator+	字符串鏈接
operator==	判斷是否相等
operator!=	判斷是否不等於
operator<	判斷是否小於
operator>>	從輸入流中讀入字符串
operator<<	字符串寫入輸出流
getline	從輸入流中讀入一行

 

7 參考文章

1. SGI STL: char_traits 源碼
2. STL 編程手冊: basic_string
3. 詳細解說 STL 排序(Sort)
4. 詳細解說 STL hash_map系列
5. Effective STL 中文版