Chapter 15: String
核心问题与阅读主线
std::string 实则是管理连续字符缓冲、动态容量与末尾空字符的拥有型容器。工程读写的核心在于分清所有权归属、扩容失效边界以及显式长度与 \0 约定。
全章共用代码样本(下文各节持续拆解)
全章以一行 HTTP header 的构建与解析为贯穿材料,覆盖尾部扩容追加、分隔符查找、独立拷贝截取与只读视图传参四条典型路径:
#include <string>
#include <string_view>
#include <vector>
std::string line = "Content-Length: ";
line.append("42");
line.push_back('\n');
auto colon = line.find(':');
std::string key = line.substr(0, colon);
std::string_view view = line;
15.1 basic_string、char_traits 与 allocator 参与
std::string 是 std::basic_string<char> 的别名,模板层将字符单元、字符操作策略与动态内存来源拆为三个正交参数:
// 教学示意:展示三类模板参数的分工(非标准库真实源码)
template<
class CharT,
class Traits = std::char_traits<CharT>,
class Allocator = std::allocator<CharT>
>
class basic_string;
using string = std::basic_string<char>;
using u8string = std::basic_string<char8_t>; // C++20
using u16string = std::basic_string<char16_t>; // C++11
using u32string = std::basic_string<char32_t>; // C++11
| 模板参数 | 核心职责 | 常见类型与策略 | 关键边界 |
|---|---|---|---|
CharT | 定义存储的最小单元(code unit) | char(字节或 UTF-8)、char8_t、char16_t、char32_t | 只管 CharT 序列,不理解 Unicode 字符或字形边界 |
Traits | 注入字符级比较、查找与搬移操作 | std::char_traits<CharT>(eq、lt、compare、length、find、copy、move) | 自定义 traits 会改变整个类型语义并降低与 std::string 的互操作性 |
Allocator | 申请与释放连续 CharT 缓冲区 | std::allocator<CharT>、std::pmr::polymorphic_allocator<char> | 仅参与缓冲分配/释放,不调用自定义 construct/destroy 逐个构造字符 |
find、compare 等字符串接口最终下沉到 char_traits 的静态字符操作。工程中通常保持默认 std::char_traits<char>,将大小写折叠、编码解析与本地化排序放在业务层:
std::string a = "abc";
std::string b = "abd";
bool same_first = std::char_traits<char>::eq(a[0], b[0]);
int order = std::char_traits<char>::compare(a.data(), b.data(), 3);
替换 Allocator 只改写内存来源,不改变连续存储、size() 与空字符语义(如使用 std::pmr::polymorphic_allocator<char> 的 std::pmr::string):
#include <memory_resource>
#include <string>
std::pmr::monotonic_buffer_resource pool;
std::pmr::string msg{&pool};
msg.append("header");
msg.append(": value");
关键事实
使用 std::pmr::string 时,容器自身语义不变,判断重点转向分配路径、释放时机,以及上游 memory_resource 的生命周期必须覆盖所有关联字符串。
15.2 连续内存、null terminator 与 size / capacity
现代 basic_string 承诺连续存储:有效字符位于 [data(), data() + size()),且 data() + size() 处由库维护 CharT() 作为 null terminator。
std::string s = "abc";
// 有效字符范围:[data(), data() + size())
char first = s.data()[0];
char last = s.data()[s.size() - 1];
// 终止位置由 string 维护,不计入 size()
char terminator = s.data()[s.size()];
与 std::vector<char> 不同,string 的长度与容量约定均排除末尾终止符:
size():仅统计有效字符数量,不含库维护的\0。capacity():无需重分配即可容纳的有效字符上限,也不将终止位计入可写容量。reserve(n):请求至少容纳n个有效字符;未超容量时通常原地追加,超出则分配新缓冲、迁移旧字符并释放旧存储。
std::string s;
s.reserve(32);
const char* p = s.c_str();
s.append("Content-Length"); // 通常仍在预留容量内
s.append(64, '!'); // 可能触发重新分配,p 需按失效处理
除 operator[]、at、data、front、back、begin、end 外,调用非 const 成员函数或传出非 const 引用均可能使旧指针、引用与 iterator 失效,改后须重取。
| 接口 / 表达式 | 版本与返回类型边界 | 零结尾承诺 | 内嵌 \0 行为 | 典型用途 |
|---|---|---|---|---|
s.c_str() | 始终返回 const char* | 保证 data()[size()] == '\0' | 遇首个 \0 即被 C 函数截断 | 只读传给零结尾 C API |
s.data()(const) | C++11 起承诺含 \0 结尾 | 保证以 CharT() 结尾 | 配合 s.size() 可完整读取 | 现代 C++ 显式长度只读接口 |
s.data()(非 const) | C++17 起返回可写 char* | 保证结尾但禁止改写终止位 | 写入不自动更新 size() | 按已知长度原地写入底层缓冲 |
s.size() vs std::strlen(s.c_str()) | 无符号长度值 | — | size() 统计全部字符,strlen 遇 \0 停止 | 区分含零负载与 C 文本 |
C++17 起非 const data() 允许通过裸指针原地修改有效字符;若负载可能含内嵌 \0(如二进制协议或压缩数据),必须使用显式长度接口而非 c_str():
std::string buffer = "abc";
char* raw = buffer.data(); // C++17 起可写
raw[1] = 'B'; // 修改有效字符,buffer == "aBc"
std::string payload{'A', '\0', 'B'};
std::size_t logical_size = payload.size(); // 3
std::size_t c_size = std::strlen(payload.c_str()); // 1
边界与误区
可读取 data()[size()](结果为 '\0'),但改写终止位或通过 C++17 可写 data() 越过当前 size() 写入(且不会自动更新 size()),均会破坏不变量并引发未定义行为。
15.3 append、insert、erase、substr 与 find
string 的常用操作按内存与对象状态变化可分为三类:
| 操作 | 语义分类 | 缓冲区与元素移动路径 | capacity() 变化 | 旧位置/视图影响 |
|---|---|---|---|---|
append / push_back | 尾部增长 | 检查 max_size() 与容量,足够则尾部写入,不足则重分配并迁移旧字符 | 不足时按策略增长 | 修改后旧指针、引用、iterator 与视图均须重取 |
insert | 中间写入 | 定位下标后扩张缓冲并将后缀整体后移,再填入新片段 | 不足时增长 | 插入点之后位置必然改变;重分配则全量失效 |
erase / pop_back | 删除收缩 | 删除区间后缀前移并缩短 size() | 多数实现保持不变(可调 shrink_to_fit()) | 删除点之后位置改变;旧视图长度/偏移不再对应 |
find | 只读扫描 | 遍历字符序列返回下标,失败返回 npos(通常为 size_type(-1)) | 不变 | 下标不绑定物理地址,内容结构未变即有效 |
substr | 构造新对象 | 从 [pos, pos + count) 范围复制构造独立 std::string | 原对象不变 | 产生独立存储,与原 string 生命周期解耦 |
下面两组代码分别展示原地/尾部结构修改与只读定位后的拷贝/视图分叉:
// 1) 尾部追加、中间插入与末尾裁剪
std::string line = "Content-Length";
line.append(": ");
line.append("42");
line.push_back('\n');
std::string header = "ContentLength: 42";
header.insert(7, "-"); // "Content-Length: 42"
std::string value = "value\r\n";
if (!value.empty() && value.back() == '\n') {
value.pop_back();
}
if (!value.empty() && value.back() == '\r') {
value.pop_back();
}
// 2) find 定位 + substr 拷贝 vs string_view 零拷贝窗口
std::string line = "Content-Length: 42";
std::size_t colon = line.find(':');
if (colon != std::string::npos) {
std::string key_copy = line.substr(0, colon); // 拥有独立副本,可能堆分配
std::string_view key_view{line.data(), colon}; // 零分配只读窗口,绑定 line 生命周期
std::string value = line.substr(colon + 1);
}
核心判断
erase 后通常保留 capacity(),shrink_to_fit() 仅是非绑定回收请求;热路径只读切片优先用 std::string_view 替代 substr 避免分配,前提是源串不销毁、不重分配。
扩容类修改还需守住强异常安全边界:提交新指针与新容量前若发生异常,原 data()、size()、capacity() 保持不变:
15.4 SSO 与 copy-on-write 历史边界
小字符串优化(Small String Optimization,SSO)将短串(如字段名、header key)存入对象内部缓冲,超阈值再堆分配;标准不规定 sizeof(std::string) 或具体阈值:
// 教学示意:表达常见实现形状(非真实标准库源码)
class string_like {
std::size_t size_;
std::size_t capacity_;
union {
char small_[16];
char* heap_;
} storage_;
};
SSO 会改写移动操作的实际开销:长 string 的 std::move 通常接管或交换外部指针,而短 string 的字符就在对象内部,std::move 仍须复制内部字符:
std::string short_name = "id";
std::string long_path = "/var/log/service/2026/06/06/content-length.log";
std::string a = std::move(short_name); // 更可能复制内部小缓冲区
std::string b = std::move(long_path); // 更可能接管外部堆缓冲区
早期 copy-on-write(COW)允许多个对象共享缓冲,仅在写入(如 y[0] = 'H')时 detach 复制;受现代连续存储、失效规则与并发约束限制,传统可观察 COW 已难以成立:
std::string x = "hello";
std::string y = x;
y[0] = 'H'; // 历史 COW 模型中在此触发 detach 复制
| 实现策略 | 所有权模型 | 短串移动 (std::move) | 非 const 访问 (s[i]) | 现代标准适配性 |
|---|---|---|---|---|
| SSO | 对象独立拥有存储 | 复制内部小缓冲区字节(无堆分配) | 原地直接修改 | 主流现代标准库默认路径 |
| COW(历史策略) | 多对象共享同一缓冲区 | 仅调整引用计数或共享句柄 | 可能触发 detach 复制,使并发与失效复杂化 | 已被现代标准约束淘汰 |
关键事实
现代 C++ 性能推断应以当前标准库的“SSO + 独立所有权”为准,同时记住小缓冲阈值、扩容倍数与 moved-from 状态仍属于实现细节。
15.5 string_view 与 vector<char> 对比
std::string_view 只保存指针与长度,不拥有存储、不负责释放,也不要求末端存在 null terminator。作为只读参数接收 string、字面量或外部窗口时,其 substr 只生成新视图窗口,全程零分配:
void parse_header(std::string_view line) {
auto colon = line.find(':');
if (colon == std::string_view::npos) {
return;
}
std::string_view key = line.substr(0, colon);
std::string_view value = line.substr(colon + 1);
}
std::string line = "Content-Length: 42";
parse_header(line);
parse_header("Host: example.com");
string_view 的主要风险是生命周期失配:返回局部 string 的视图会直接悬垂,宿主重分配后也必须重建视图:
std::string_view bad_view() {
std::string tmp = "Content-Length";
return std::string_view{tmp}; // 悬垂:tmp 随函数返回销毁
}
std::string owner = "Content-Length: 42";
std::string_view view = owner;
owner.reserve(1024); // 可能替换内部缓冲区
view = owner; // 修改或扩容后必须重建视图
std::vector<char> 拥有连续可变字节序列,不包含“文本字符串”约定,也不会自动维护末尾 \0;传给 C 字符串接口需手动追加 \0 并保持长度与终止边界一致:
std::vector<char> bytes{'A', '\0', 'B'};
bytes.push_back('\0');
const char* c = bytes.data();
std::size_t n = bytes.size();
| 对象 | 是否拥有存储 | 是否可变 | 是否维护 null terminator | 主要边界 |
|---|---|---|---|---|
std::string | 拥有 | 可变 | 维护 | 修改可能重新分配,旧视图和旧指针需要重取 |
std::string_view | 不拥有 | 只读视图 | 不维护 | 依赖外部生命周期和外部长度 |
std::vector<char> | 拥有 | 可变 | 不维护 | 适合字节缓冲,文本边界由调用方定义 |
边界与误区
std::string_view 适合参数、局部切片与只读扫描;存入对象字段、缓存、异步任务或跨线程队列时,必须显式证明底层字符序列既不会提前销毁也不会重分配。
对象与视图选型按四步决定:
- 需要独立持有数据:选择拥有型对象(
std::string或std::vector<char>)。 - 只读传参或局部切片:优先选用
std::string_view消除中间分配。 - 接口要求零结尾文本:使用
std::string或由调用方手动维护\0。 - 处理二进制字节流:优先选用
std::vector<char>或std::byte缓冲等明确字节容器。
15.6 工程常见坑
工程中 std::string 缺陷主要来自五类边界误用:
| 陷阱类别 | 典型诱因 | 工程修复对策 |
|---|---|---|
| 悬垂指针 / 视图 | 销毁、移动赋值、增长、插入、读取输入流或 swap 后仍用旧 c_str()/data()/iterator/string_view | 压缩位置对象作用域至最近读取,修改后立即重建 |
| 热路径隐式分配 | 循环内 operator+、substr、从 string_view/const char* 构造 string、格式化输出或容器插入 | 预估上限后 reserve + append;极端热路径用 std::to_chars 写栈缓冲 |
| UTF-8 编码误判 | 把 size() 当用户可见字符数,或用 substr(0, n) 截断多字节/多 code point(emoji、组合音标、区域标志) | string 只管字节/code unit;code point、grapheme cluster、大小写折叠与本地化排序交由专业文本库 |
| C 接口零字节截断 | 对含内嵌 \0 的负载调用 c_str() 或 std::strlen | 现代接口优先传 std::string_view 或 (data(), size()) |
npos 无符号回绕 | 未先检查 pos != std::string::npos 就计算 pos + 1 并切片 | find 结果先判等哨兵值再参与算术运算 |
前两类问题对应“修改后重建位置对象”与“预留容量削减分配”(注意 make_key 中 std::to_string 仍有临时分配或格式化成本,极致场景可改用 std::to_chars):
// 1) 修改后重建视图,避免悬垂
std::string s = "abc";
std::string_view v = s;
s += "defghijklmnopqrstuvwxyz"; // 可能重新分配
v = s;
// 2) reserve + append 减少扩容分配
std::string make_key(std::string_view prefix, int id) {
std::string key;
key.reserve(prefix.size() + 16);
key.append(prefix);
key.push_back('#');
key.append(std::to_string(id));
return key;
}
后三类问题来自对字符单元、长度边界与哨兵值的误判:
// 3) size() 统计字节/code unit 数而非用户可见字符数
std::string word = "中文";
std::size_t bytes = word.size(); // UTF-8 下通常是 6,取决于源文件编码和执行字符集
// 4) 含内嵌 '\0' 数据必须传递显式长度
void write_all(const char* data, std::size_t size);
std::string payload{'A', '\0', 'B'};
write_all(payload.data(), payload.size());
// 5) find 结果先判 npos 再算术切片
std::string line = "no colon here";
auto pos = line.find(':');
if (pos != std::string::npos) {
auto value = line.substr(pos + 1);
}
审查或排查 string 代码时,按以下六步核查:
- 所有权归属:区分拥有型
std::string与非拥有型std::string_view。 - 操作类别:确认是只读扫描、尾部增长、中间修改还是构造独立副本。
- 状态不变量:追踪
size()、capacity()与末尾 null terminator 是否改变。 - 位置有效性:修改后检查旧
c_str()、data()、引用、iterator 与视图是否须重取。 - 接口边界:核实下游消费的是显式
(data(), size())还是\0结尾文本。 - 编码分层:确认
char序列是否需要上层 Unicode 文本库处理 code point 或 grapheme cluster。
最小自检任务
阅读下面代码,判断 key、value_copy、value_view、raw 在 line.append("; charset=utf-8") 之后分别是否仍然表达稳定结果,并说明每个判断依赖哪条规则。
std::string line = "Content-Type: text/html";
std::size_t colon = line.find(':');
std::string key = line.substr(0, colon);
std::string value_copy = line.substr(colon + 2);
std::string_view value_view{line.data() + colon + 2, line.size() - colon - 2};
const char* raw = line.c_str();
line.append("; charset=utf-8");
本章知识点总结
- basic_string 三要素
CharT定义 code unit(不解析 Unicode 边界),char_traits注入字符操作策略,Allocator仅负责连续缓冲区的分配与释放(不逐个调用字符construct/destroy)。 - 连续存储与空字符不变量
有效字符位于
[data(), data() + size()),data()[size()]由库维护为CharT()且不计入size();C++17 非 constdata()可写,但禁止改写终止符或越过size()写入。 - 容量与位置失效
append尾部增长、insert后移后缀、erase前移后缀但通常保留capacity();任何改变长度或容量的修改后,旧指针、引用、iterator 与string_view均须重新获取。 - 异常安全与 find 哨兵
扩容路径先分配复制再提交新缓冲,提交前抛异常不改变原对象状态;
find失败返回npos(通常为size_type(-1)),必须先判等再参与下标算术防回绕。 - SSO 与 COW 演进
主流实现采用 SSO(短串内联、长串堆分配,具体阈值属实现细节)加独立所有权;长串
move转移外部指针,短串move仍需复制内部缓冲,传统 COW 已不符合现代并发与失效约束。 - 视图与字节缓冲边界
std::string_view只读不拥有且不保证\0结尾,依赖外部生命周期;std::vector<char>适合可变字节流,文本终止与编码约定由调用方负责。 - C 接口与编码陷阱
size()统计字节/code unit 而非用户感知字符,含内嵌\0数据传给 C 接口须用(data(), size())而非c_str();热路径优先reserve+append或std::to_chars。