一【概述】
在C语言中，我们一般用char数组来定义一个字符串，那么既然是数组我们往往需要提前判断字符串的最大长度，可问题是谁也不知道这最大长度究竟有多长，而且这也是很多编程BUG的根源。那么在C++标准库中，我们可以通过string类型来定义一个字符串，就不必考虑数组长度等这么多底层的东西，只需要考虑业务功能的实现就可以了。
虽然有了现成的string类型，可是string这个类是如何实现的呢？是不是仅仅对一个传统的char数组进行了一个简简单单的类封装呢？这个字符数组的末尾还是以’\0’结尾的吗？它的数组长度是如何定义的？string类型的内存是如何管理的？我们没必要重复发明轮子，但是作为一个职业的代码玩家应该懂得轮子是如何发明的！
这儿以g++4.1.0的标准库的string实现为例。String其实是basic_string<char>，所以本质上是basic_string。basic_string另外一种常用的形式是basic_string<wchar_t>，这个一看就知道是用来处理宽字符串的。那么下面先看下basic_string一般情况下的内存结构的示意图：
该图显示出在每个字符串的尾部一般都会有一个'\0'结尾，这个跟传统的字符串是一样的，但是它的头部会有一个Rep对象，该对象的作用在于记录该basic_string对象的描述信息，如：字符串的长度、basic_string对象目前能包容的最大字符串长度等。这儿得分清一个概念就是字符串长度不等于字符串占用的内存大小，因为在宽字符情况下，一个字符的占用空间往往大于1个字节。当然，我们还注意到basic_string分配的内存空间往往要比比实际需要的内存空间大。这个是出于多种原因，如：字节对齐、尽量是虚拟内存页大小的整数倍、在字符串长度增长的时候不必频繁增加内存空间，等等。
二【类设计】
好了，到这儿应该对basic_string以及常用的string有个大概的印象了。那么下面我们在看一下basic_string的具体实现了。如图：
basic_string会有3个模板参数_CharT用来定义字符类型的，目前就两种：char和wchar_t。_Traits这个参数封装了所有_CharT类型特性以及相关操作。_Alloc设定了内存配置器的类型，它主要负责顶层的内存分配工作的。_Traits和_Alloc都有默认值，通常情况下，我们不用去管他。再看_M_dataplus成员变量，该变量是_Alloc_hider类型，而真正指向实际字符串的是它的一个字符串指针变量_M_p。每个字符串的尾端都会有一个terminal（结尾标识），一般是’\0’，这样当我们调用c_str()函数的时候它就直接将_M_p指针返回就可以了。还有一个函数data（），网上说它在返回字符串的时候不含有’\0’，不过我从这个版本的源码来看它跟c_str()的功能是完全一样的。
_Rep继承自_Rep_base，该类负责对字符串的内存进行管理，_M_length定义了当前字符串的长度，而_M_capacity定义了当前分配的内存所容纳的最长字符串大小。_M_refcount定义了该字符串被引用的次数（因为为了提高性能， basic_string使用了COPY-ON-WRITE技术，所以一块内存空间可能被多次引用）。而_Rep中的3个变量都是静态变量，它们也定义了字符串类型的一般特性，如：string类型所能定义的最大字符串长度、字符串结尾标识字符、空字符串的内存空间（这也意味着多个空字符串用的其实都是同一分内存拷贝）。
三【内存分配策略】
下面我们关注一下下字符串的内存分配策略。该版本的STL默认通过new_allocator来为string类型分配内存，源码如下：
const size_type __pagesize = 4096;
const size_type __malloc_header_size = 4 * sizeof(void*);
// The below implements an exponential growth policy, necessary to
// meet amortized linear time requirements of the library: see
// http://gcc.gnu.org/ml/libstdc++/2001-07/msg00085.html.
// It's active for allocations requiring an amount of memory above
// system pagesize. This is consistent with the requirements of the
// standard: http://gcc.gnu.org/ml/libstdc++/2001-07/msg00130.html
if (__capacity > __old_capacity && __capacity < 2 * __old_capacity)
__capacity = 2 * __old_capacity;
// NB: Need an array of char_type[__capacity], plus a terminating
// null char_type() element, plus enough for the _Rep data structure.
// Whew. Seemingly so needy, yet so elemental.
size_type __size = (__capacity + 1) * sizeof(_CharT) + sizeof(_Rep);
const size_type __adj_size = __size + __malloc_header_size;
if (__adj_size > __pagesize && __capacity > __old_capacity)
{
const size_type __extra = __pagesize - __adj_size % __pagesize;
__capacity += __extra / sizeof(_CharT);
// Never allocate a string bigger than _S_max_size.
if (__capacity > _S_max_size)
__capacity = _S_max_size;
__size = (__capacity + 1) * sizeof(_CharT) + sizeof(_Rep);
}
假设原有字符串长度为__old_capacity，那么当字符串的长度__capacity > __old_capacity同时__capacity < 2*__old_capacity时，请求字符串的长度将被调整为__capacity = 2*__old_capacity。这也是为了当字符串长度不断增长时，避免因频繁的分配内存空间而导致性能下降。那么，这时为string类型分配的内存空间大小为：长度为__capacity的字符串空间+结尾标识字符+_Rep对象空间大小。最后，basic_string还会考虑以虚拟页大小为模向上取整（这个页大小不一定是实际的页大小，默认一般是4096）。
在确定了大小之后，我们就通过operator new来分配内存空间，接着通过placement new来初始化该内存块。最后再设置下_Rep对象中的成员变量（主要是_M_length和_M_refcount）和字符串结尾标识。这样，字符串的内存构造就算结束了。
另外，由于basic_string采用了写时拷贝技术（COPY-ON-WRITE），所以有时会等到真正需要的时候才会去分配内存。比如：
string str1 = "Apple";
string str2 = str1;\\str2 与 str1共用同一份内存拷贝
str2 = "Orange"; \\str2 与 str 1各自使用不同的内存拷贝str2在初始化时直接就与str1共用同一份内存拷贝，可是当再次给str2赋另外一个值的时候，string会为str2分配一块独立的内存空间。这样做确实提高了程序的性能，避免了某些情况下无谓的性能开销，可是在多线程运行的情况下，这样做也有可能带来string对象的读写同步问题。
四【结束语】
唉，STL真是考虑全面啊，搞个字符串都能整这么多东西出来，很多细节性的东西都想到了，不过越是复杂的东西越是不可控，学习成本就越高，难怪Linus会说：C++ is a horrible language。
另外：侯捷的《STL源码分析》一书中对traits和allocator都有详细的论述，不过在STL源代码中我没有找到该书所讲的那个默认配置器。根据书中描述该默认配置器当请求的内存大小大于128字节时通过new分配，而当小于该值时，又会通过内存池分配。这个，额…，应该是新版本里面给去掉了吧。