C语言探索之旅 | 第二部分第四课：字符串

-- 简书作者 谢恩铭 转载请注明出处

第二部分第四课：字符串

---

上一课C语言探索之旅 | 第二部分第三课：数组，我们结束了关于数组的旅程。

好了，这课我不说“废话”，直接进入主题（但又好像不是我的风格...）。这一课我们还是会涉及一些指针和数组的知识。

字符串，这是一个编程的术语，用来描述“一段文字”，很简单。

一个字符串，就是我们可以在内存中以变量的形式储存的“一段文字”。

比如，用户名是一个字符串，“程序员联盟”是一个字符串。

但是我们之前的课说过，呆萌的电脑兄只认得数字，“众里寻他千百度，电脑就爱穿秋裤”（不是“穿秋裤”，是“认得数”。）。

所以实际上，电脑是不认得字母的，但是“古灵精怪”的计算机先驱们是如何使电脑可以“识别”字母呢？

接下来我们会看到，他们其实还是很聪明的。

字符类型

---

在这个小部分，我们把注意力先集中在字符类型上。

如果你还记得，之前的课程中我们说过： 有符号字符类型（char）是用来储存范围从-128到127的数的； unsigned char（无符号字符类型）用来储存范围从0到255的数。

注意： 虽然char类型可以用来储存数值，但是在C语言中却鲜少用char来储存一个数。
通常，即使我们要表示的数比较小，我们也会用int类型来储存。
当然了，用int来储存比用char来储存在内存上更占空间，但是今天的电脑基本上是不缺那点内存的，“有内存任性嘛”。

char类型一般用来储存一个字符，注意，是 一个 字符。

前面的课程也提到了，因为电脑只认得数字，所以计算机先驱们建立了一个表格（比较常见的有ASCII表， 更完整一些的有Unicode表），用来约定字符和数字之间的转换关系，例如字母A（大写）对应的数字是65。

C语言可以很容易地转换字符和其对应的数值。为了获取到某个字符对应的数值（电脑底层其实都是数值），只需要把该字符用单引号括起来，像这样：

'A'

在编译的时候，'A'会被替换成实际的数值： 65

我们来测试一下：

#include <stdio.h>

int main(int argc, char *argv[])
{
  char letter = 'A';

  printf("%d\n", letter);

  return 0;
}

程序输出：

65

所以，我们可以确信大写字母A的对应数值是65。类似地，大写字母B对应66， C对应67， 以此类推。

如果我们测试小写字母，那你会看到a和A的数值是不一样的，小写字母a的数值是97。

实际上，在大写字母和小写字母之间有一个很简单的转换公式，就是

小写字母的数值 = 大写字母的数值 + 32

所以电脑是区分大小写的. 看似呆萌的电脑兄还是可以的么。

大部分所谓“基础”的字符都被编码成0到127之间的数值了。在ASCII表（发音【aski】）的官网 http://www.asciitable.com/ 上，我们可以看到大部分常用的字符的对应数值。

当然这个表我们也可以在其他网站上找到，比如维基百科，百度百科，等等。

显示字符

---

要显示一个字符，最常用的还是printf函数啦。这个函数真的很强大，我们会经常用到。

上面的例子中，我们用%d格式，所以显示的是字符对应的数值（%d是整型），如果要显示字符实际的样子，需要用到%c格式（c是英语character[字符]的首字母）：

int main(int argc, char *argv[])
{
  char letter = 'A';

  printf("%c\n", letter);

  return 0;
}

程序输出：

A

哇，我们知道如何输出一个字符了，可喜可贺！（小编你也该吃药了...）

当然我们也可以用常见的scanf函数来请求用户输入一个字符，而后用printf函数打印：

int main(int argc, char *argv[])
{
  char letter = 0;

  scanf("%c", &letter);

  printf("%c\n", letter);

  return 0;
}

如果我输入C，那我将看到：

C
C

第一个字母C是我输入给scanf函数的，第二个C是printf函数打印的。

以上就是对于字符类型char我们大致需要知道的，请牢记以下几点：

• signed char（有符号字符类型）用来储存范围从-128到127的数
• unsigned char（无符号字符类型）用来储存范围从0到255的数
• C语言中，如果你没写signed或unsigned关键字，默认情况下是signed（有符号）
• 计算机先驱们给电脑规定了一个表，电脑可以遵照里面的转换原则来转换字符和数值，一般这个表是ASCII表
• char类型只能储存一个字符
• 'A'在编译时会被替换成实际的数值：65 。因此，我们使用单引号来获得一个字符的值

字符串其实就是字符的数组

---

这一部分的内容，就如这个小标题所言。

事实上： 一个字符串就是一个“字符的数组”，仅此而已。

到这里，你是否对字符串有了更直观的理解呢？

如果我们创建一个字符数组：

char string[5];

然后我们在数组的第一个成员上储存‘H’，就是string[0] = 'H'，第二个成员上储存'E'（string[1] = 'H'），第三个成员上储存'L'（string[2] = 'L'），第四个成员储存'L' (string[3] = 'L')，第五个成员储存'O'（string[4] = 'O'），那么我们就构造了一个字符串啦。

下图对于字符串在内存中是怎么存储的，可以给出一个比较直观的印象（注意： 实际的情况比这个图演示的要略微复杂一些，待会儿会解释）：

上图中，我们可以看到一个数组，拥有5个成员，在内存上连续存放，构成一个字符串 "HELLO"。

对于每一个储存在内存地址上的字符，我们用了单引号把它括起来，是为了突出实际上储存的是数值，而不是字符。

在内存上，储存的就是此字符对应的数值。

实际上，一个字符串可不是就这样结束了，上面的图示其实不完整。

一个字符串必须在最后包含一个特殊的字符，称为“字符串结束符”，它是'\0'，对应的数值是0。

“为什么要在字符串结尾加这么一个多余的字符呢？”

问得好！

那是为了让电脑知道一个字符串到哪里结束。

'\0'用于告诉电脑：“停止，字符串到此结束了，不要再读取了，先退下吧”。

因此，为了在内存中存储字符串"HELLO"（5个字符），用5个成员的字符数组是不够的，需要6个！

因此每次创建字符串时，需要记得在字符数组的结尾留一个字符给'\0'。

忘记字符串结束符是C语言中一个常见的错误

因此，下面才是正确展示我们的字符串"HELLO"在内存中实际存放情况的示意图：

如上图所见，这个字符串包含6个字符，而不是5个。

也多亏了这个字符串结束符'\0'，我们就无需记得字符串的长度了，因为它会告诉电脑字符串在哪里结束。

因此，我们就可以将我们的字符数组作为参数传递给函数，而不需要传递字符数组的大小了。

这个好处只针对字符数组，你可以在传递给函数时将其写为 char *或者char[]类型。

对于其他类型的数组，我们总是要在某处记录下它的长度。

字符串的创建和初始化

---

如果我们想要用“Hello”来初始化字符数组string，我们可以用以下的方式来实现。当然，有点没效率：

char string[6]; // 六个char构成的数组，为了储存： H-e-l-l-o + \0

string[0] = 'H';
string[1] = 'e';
string[2] = 'l';
string[3] = 'l';
string[4] = 'o';
string[5] = '\0';

虽然是笨办法，但至少行得通。

我们用printf函数来测试一下。

要使printf函数能显示字符串，我们需要用到%s这个符号（s就是英语string（字符串）的首字母）：

#include <stdio.h>

int main(int argc, char *argv[])
{

  char string[6]; // 六个char构成的数组，为了储存： H-e-l-l-o + \0

  string[0] = 'H';
  string[1] = 'e';
  string[2] = 'l';
  string[3] = 'l';
  string[4] = 'o';
  string[5] = '\0';

  // 显示字符串内容
  printf("%s\n", string);

  return 0;
}

程序输出：

Hello

如果我们的字符串内容多起来，上面的方法就更显拙劣了。其实啊，初始化字符串还有更简单的一种方式（小编你好“奸诈”，不早讲，害我写代码这么辛苦...）：

int main(int argc, char *argv[])
{
  char string[] = "Hello"; // 字符数组的长度会被自动计算

  printf("%s\n", string);

  return 0;
}

以上程序的第一行，我们写了一个char []类型的变量，其实也可以写成 char * 同样是可以运行的：

char *string = "Hello";

这种方法就比之前一个字符一个字符初始化的方法高大上多了，因为只需要在双引号里输入你想要创建的字符串，C语言的编译器就很智能地为你计算好了字符串的大小。

编译器计算你输入的字符的数目，然后再加上一个'\0'的长度（是1），就把你的字符串里的字符一个接一个写到内存某个地方，在最后加上'\0'这个字符串结束符，就像我们刚才用第一种方式自己一步步做的。

但是简便也有缺陷，我们会发现，对于字符数组来说，这种方法只能用于初始化，你在之后的程序中就不能再用这种方式来给整个数组赋值了，比如你不能这样：

char string[] = "Hello";
string = "nihao"; // --> 出错！

只能一个字符一个字符地改，例如：

string[0] = 'j';  // --> 可以！

但是问题又来了，对于用char *来声明的字符串，我们可以在之后整个重新赋值，但是不可以单独修改某个字符：

char *string = "Hello";
string = "nihao"; // --> 可以！

这样是可以的，但是如果修改其中的一个字符，就不可以：

string[1] = 'a'; // --> 出错！

很有意思吧。大家可以亲自动手试试。所以这里就引出了一个话题：

指针和数组根本就是两码事！

为什么会出现上述的情况呢？

那是因为：

char stringArray[] = "Hello";

这样声明的是一个字符数组，里面的字符串是储存在内存的变量区，是在栈上，所以可以修改每个字符的内容，但是不可以通过数组名整体修改：

stringArray = "nihao"; // --> 出错！

只能一个个单独改：

stringArray[0] = 'a'; // --> 可以！

因为之前的课程里说过，stringArray这个数组的名字表示的是数组首元素的首地址。

char *stringPointer = "Hello";

这样声明的是一个指针，stringPointer是指针的名字。指针变量在32 位系统下，永远占4 个byte（字节），其值为某一个内存的地址。

所以stringPointer里面只是存放了一个地址，这个地址上存放的字符串是常量字符串。这个常量字符串存放在内存的静态区，不可以更改。

和上面的字符数组情况不一样，上面的字符数组是本身存放了那一整个字符串。

stringPointer[0] = 'a'; // --> 出错！

但是可以改变stringPointer指针的指向：

stringPointer = "nihao"; // --> 可以！（因为可以修改指针指向哪里）

大家可以自己测试一下：

char *n1 = "it";
char *n2 = "it";

printf("%p\n%p\n", n1, n2); //用%p查看地址

会发现二者的结果是一样的，指向同一个地址！

再进一步测试（生命在于折腾）：

char *n1 = "it";
char *n2 = "it";
 
printf("%p\n%p\n",n1,n2);
 
n1 = "haha";
 
printf("%p\n%p\n",n1,n2);

你会发现以上程序，指针n2所指向的地址一直没变，而n1在经过

n1 = "haha";

之后，它所指向的地址就改变了。

经过上面地分析，可能很多朋友还是有点晕，特别是可能不太清楚内存各个区域的区别。

如果有兴趣深入探究，既可以自己去看相关的C语言书籍。也可以参考下表和一些解释，如果暂时不想把自己搞得更晕，可以跳过，以后讲到相关内容时自然更好理解。

名称	内容
代码段	可执行代码、字符串常量
数据段	已初始化全局变量、已初始化全局静态变量、局部静态变量、常量数据
BSS段	未初始化全局变量，未初始化全局静态变量
栈	局部变量、函数参数
堆	动态内存分配

一般情况下，一个可执行二进制程序(更确切的说，在Linux操作系统下为一个进程单元)在存储(没有调入到内存运行)时拥有3个部分，分别是代码段、数据段和BSS段。

这3个部分一起组成了该可执行程序的文件。

(1)代码段(text segment)：存放CPU执行的机器指令。通常代码段是可共享的，这使得需要频繁被执行的程序只需要在内存中拥有一份拷贝即可。代码段也通常是只读的，这样可以防止其他程序意外地修改其指令。另外，代码段还规划了局部数据所申请的内存空间信息。
代码段（code segment/text segment）通常是指用来存放程序执行代码的一块内存区域。这部分区域的大小在程序运行前就已经确定，并且内存区域通常属于只读，某些架构也允许代码段为可写，即允许修改程序。在代码段中，也有可能包含一些只读的常数变量，例如字符串常量等。

(2)数据段(data segment)：或称全局初始化数据段/静态数据段(initialized data segment/data segment)。该段包含了在程序中明确被初始化的全局变量、静态变量(包括全局静态变量和局部静态变量)和常量数据。

(3)未初始化数据段：亦称BSS(Block Started by Symbol)。该段存入的是全局未初始化变量、静态未初始化变量。

而当程序被加载到内存单元时，则需要另外两个域：栈域和堆域。

(4)栈(stack)：存放函数的参数值、局部变量的值，以及在进行任务切换时存放当前任务的上下文内容。

(5)堆(heap)：用于动态内存分配（之后的课程马上会讲到），即使用malloc/free系列函数来管理的内存空间。

在将应用程序加载到内存空间执行时，操作系统负责代码段、数据段和BSS段的加载，并将在内存中为这些段分配空间。

栈也由操作系统分配和管理，而不需要程序员显式地管理；堆由程序员自己管理，即显式地申请和释放空间。

很多C语言地初学者搞不懂指针和数组到底有什么样的关系。

现在就告诉大家：指针和数组之间没有任何关系！它们是“清白”的...

• 指针就是指针：指针变量在32 位系统下，永远占4 个byte（字节），其值为某一个内存的地址。指针可以指向任何地方，但不是任何地方你都能通过这个指针变量访问到。

• 数组就是数组：其大小与元素的类型和个数有关。定义数组时必须指定其元素的类型和个数。数组可以存任何类型的数据，但不能存函数。

推荐大家去看《C语言深度解剖》这本只有100多页的PDF，是国人写的，里面对于指针和数组分析得很全面。

不禁感叹，C语言果然是博（xiang）大（dang）精（keng）深（die）。

从scanf函数取得一个字符串

---

我们可以用scanf函数获取用户输入的一个字符串，也要用到%s符号。

但是有一个问题：就是你不能知道用户究竟会输入多少字符。

假如我们的程序是问用户他的名字是什么。那么他可能回答Tom，只有三个字符，或者Bruce LI，就有8个字符了。

所以我们只能用一个足够大的数组来存储名字，例如 char [100]。你会说这样太浪费内存了，但是前面我们也说过了，目前的电脑一般不在乎这点内存。

所以我们的程序会是这样：

int main(int argc, char *argv[])
{
  char name[100];

  printf("请问您叫什么名字 ? ");

  scanf("%s", name);

  printf("您好, %s, 很高兴认识您!\n", name);

  return 0;
}

运行程序：

请问您叫什么名字？Oscar
您好，Oscar，很高兴认识您！

操纵字符串的一些常用函数

---

字符串在C语言里是很常用的。事实上，此刻你在电脑或手机屏幕上看到的这些单词、句子等，都是在电脑内存里的字符数组。

为了方便我们操纵字符串，C语言的设计者们在 string 这个标准库中已经写好了很多函数，可供我们使用。

当然在这以前，需要在你的.c源文件中引入这个头文件：

#include <string.h>

下面我们就来介绍它们之中最常用的一些吧：

strlen：计算字符串的长度

---

strlen函数返回一个字符串的长度（不包括\0）。

为什么名字是strlen？其实很好记：

• str是string（英语“字符串”）的首三个字母
• len是length（英语“长度”）的首三个字母

因此，strlen就是“字符串长度”。

函数原型是这样：

size_t strlen(const char* string);

注意：size_t是一个特殊的类型，它意味着函数返回一个对应大小的数目。
不是像int，char，long，double之类的基本类型，而是一个被“创造”出来的类型。
在接下来的课程中我们就会学到如何创建自己的变量类型。
暂时说来，我们先满足于将strlen函数的返回值存到一个int变量里（电脑会把size_t自动转换成int）。当然，严格来说应该用size_t类型，但是我们这里暂时不深究了。

函数的参数是 const char *类型，之前的课程中我们学过，const（只读的变量）表明此类型的变量是不能被改变的，所以函数strlen并不会改变它的参数的值。

写个程序测试一下strlen函数：

#include <string.h>
#include <stdio.h>

int main(int argc, char *argv[])
{
  char string[] = "Hello";
  int stringLength = 0;

  // 将字符串的长度储存到stringLength中
  stringLength = strlen(string);

  printf("字符串%s中有%d个字符\n", string, stringLength);

  return 0;
}

程序运行，显示：

字符串Hello中有5个字符

当然了，这个strlen函数，其实我们自己也可以很容易地实现。只需要用一个循环，从开始一直读入字符串中的字符，计算数目，一直读到'\0'字符结束循环。

我们就来实现我们自己的strlen函数好了：

#include <string.h>
#include <stdio.h>

int stringLength(const char *string);

int main(int argc, char *argv[])
{
  char string[] = "Hello";
  int length = 0;

  length = stringLength(string);

  printf("字符串%s中有%d个字符\n", string, length);

  return 0;
}

int stringLength(const char *string)
{
  int charNumber = 0;
  char currentChar = 0;

  do
  {
    currentChar = string[charNumber];
    charNumber++;
  } while(currentChar != '\0'); // 我们做循环，直到遇到'\0'，跳出循环

  charNumber--; // 我们将charNumber减一，使其不包含'\0'的长度

  return charNumber;
}

程序输出：

字符串Hello中有5个字符

strcpy：把一个字符串的内容复制到另一个字符串里

---

为什么名字是strcpy？其实很好记：

• str是string（英语“字符串”）的首三个字母
• cpy是copy（英语“拷贝，复制”）的缩写

因此，strcpy就是“字符串拷贝”。

函数原型：

char* strcpy(char* targetString, const char* stringToCopy);

这个函数有两个参数：

• targetString：这是一个指向字符数组的指针，我们要复制字符串到这个字符数组里。

• stringToCopy：这是一个指向要被复制的字符串的指针。

函数返回一个指向targetString的指针，通常我们不需要获取这个返回值。

用以下程序测试此函数：

#include <string.h>
#include <stdio.h>

int main(int argc, char *argv[])
{
  /* 我们创建了一个字符数组string，里面包含了几个字符。
  我们又创建了另一个字符数组copy，包含100个字符，为了足够容纳拷贝过来的字符 */
  char string[] = "Hello", copy[100] = {0};

  strcpy(copy, string); // 我们把string复制到copy中

  // 如果一切顺利，copy的值应该和string是一样的
  printf("string 是 %s\n", string);
  printf("copy 是 %s\n", copy);

  return 0;
}

程序输出：

string 是 Hello
copy 是 Hello

如果我们的copy数组的长度小于6，那么程序会出错，因为string的总长度是6（最后有一个'\0'字符串结束符）。

strcpy的原理图解如下：

strcat：连接两个字符串

---

为什么名字是strcat？其实很好记：

• str是string（英语“字符串”）的首三个字母
• cat是concatenate （英语“连结，使连锁”）的缩写

因此，strcat就是“字符串连结”。

strcat函数的作用是连接两个字符串，就是把一个字符串接到另一个的结尾。

函数原型：

char* strcat(char* string1, const char* string2);

因为string2是const类型，所以我们就想到了，这个函数肯定是将string2的内容接到string1的结尾，改变了string1所指向的字符指针，然后返回指向string1所指字符数组的指针。

略微有点拗口，但不难理解吧。

写个程序测试一下：

#include <string.h>
#include <stdio.h>

int main(int argc, char *argv[])
{
  /* 我们创建了两个字符串，字符数组string1需要足够长，因为我们要将string2的内容接到其后 */
  char string1[100] = "Hello ", string2[] = "Oscar!";

  strcat(string1, string2); // 将string2接到string1后面

  // 如果一切顺利，那么string1的值应该会变为"Hello Oscar!"
  printf("string1 是 %s\n", string1);

  // string2没有变
  printf("string2 始终是 %s\n", string2);

  return 0;
}

程序输出：

string1 是 Hello Oscar!
string2 始终是 Oscar!

函数的原理如下：

当strcat函数将string2连接到string1的尾部时，它需要先删去string1字符串最后的'\0'。

strcmp：比较两个字符串

---

为什么名字是strcmp？其实很好记：

• str是string（英语“字符串”）的首三个字母
• cmp是compare（英语“比较”）的缩写

因此，strcmp就是“字符串比较”。

函数原型：

int strcmp(const char* string1, const char* string2);

可以看到，strcmp函数不能改变参数string1和string2，因为它们都是const类型。

这次，函数的返回值有用了。strcmp返回：

• 0：当两个字符串相等时

• 非零的整数（负数或正数）：当两个字符串不等时

用以下程序测试strcmp函数：

#include <string.h>
#include <stdio.h>

int main(int argc, char *argv[])
{
  char string1[] = "Text of test", string2[] = "Text of test";

  if (strcmp(string1, string2) == 0) // 如果两个字符串相等
  {
    printf("两个字符串相等\n");
  }
  else
  {
    printf("两个字符串不相等\n");
  }

  return 0;
}

程序输出：

两个字符串相等

sprintf：向一个字符串写入

---

当然，这个函数其实不是在string.h这个头文件里，而是在stdio.h头文件里。但是它也与字符串的操作有关，所以我们也介绍一下，而且这个函数是很常用的。

看到sprintf函数的名字，大家是否想到了printf函数呢？

printf函数是向标准输出（一般是屏幕）写入东西，而sprintf是向一个字符串写入东西。最前面的s就是英语string（“字符串”的意思）的首字母。

写个程序测试一下此函数：

#include <stdio.h>

int main(int argc, char *argv[])
{
  char string[100];
  int age = 18;

  // 我们向string里写入"你18岁了"
  sprintf(string, "你%d岁了", age);

  printf("%s\n", string);

  return 0;
}

程序输出：

你18岁了

其他常用的还有一些函数，如 strstr（在字符串中查找一个子串），strchr（在字符串里查找一个字符），等等，我们就不一一介绍了。

总结

---

1. 电脑不认识字符，它只认识数字（0和1）。为了解决这个问题，计算机先驱们用一个表格规定了字符与数值的对应关系，最常用的是ASCII表和Unicode表。

2. 字符类型char用来存储一个字符，且只能存储一个字符。实际上存储的是一个数值，但是电脑会在显示时将其转换成对应的字符。

3. 为了创建一个词或一句话，我们需要构建一个字符串，我们用字符数组来实现。

4. 所有的字符串都是以'\0'结尾，这个特殊的字符'\0'标志着字符串的结束。

5. 在string这个C语言标准库中，有很多操纵字符串的函数，只需要引入头文件 string.h即可。

第二部分第五课预告：

今天的课就到这里，一起加油咯。

下一次我们学习第二部分第五课：C语言探索之旅 | 第二部分第五课：预处理