std::string 是如何实现的？

Posted 2023-02-18

【中文标题】std::string 是如何实现的？

【英文标题】：How is std::string implemented?

【发布时间】：2010-11-30 18:23:00

【问题描述】：

我很想知道 std::string 是如何实现的，它与 c 字符串有什么不同？如果标准没有指定任何实现，那么任何带有解释的实现都会很好地满足标准给出的字符串要求?

【问题讨论】：

你可能想把源代码放到 gcc 之类的东西上，看看他们是如何实现的。

相关：***.com/questions/3170295/…

【参考方案1】：

an answer on this page 中有一个示例实现。

另外，你可以看看 gcc 的实现，假设你已经安装了 gcc。 If not, you can access their source code via SVN。 std::string 大部分是由basic_string 实现的，所以从那里开始。

另一个可能的信息来源是Watcom's compiler

【参考方案2】：

std::string 是一个封装某种内部缓冲区并提供操作该缓冲区的方法的类。

C 中的字符串只是一个字符数组

在这里解释 std::string 如何工作的所有细微差别需要太长时间。也许看看 gcc 源代码http://gcc.gnu.org 看看他们是如何做到的。

【参考方案3】：

这取决于您使用的标准库。

STLPort 例如是一个 C++ 标准库实现，它实现了字符串等。

【参考方案4】：

几乎我使用过的每个编译器都提供了运行时的源代码 - 因此，无论您使用的是 GCC 还是 MSVC 或其他什么，您都可以查看实现。但是，std::string 的很大一部分或全部将被实现为模板代码，这可能会导致非常难以阅读。

Scott Meyer's book, Effective STL，有一章关于 std::string 实现，是对常见变体的一个不错的概述：“第 15 条：注意string 实现中的变体”。

他谈到了 4 种变体：

引用计数实现的几个变体（通常称为写入时复制） - 当字符串对象被原封不动地复制时，引用计数会增加，但实际的字符串数据不会。两个对象都指向相同的引用计数数据，直到其中一个对象修改它，从而导致数据的“写入时复制”。变化在于存储引用计数、锁等内容的位置。

“短字符串优化”(SSO) 实现。在这个变体中，对象包含通常指向数据的指针、长度、动态分配缓冲区的大小等。但是如果字符串足够短，它将使用该区域来保存字符串，而不是动态分配缓冲区

另外，Herb Sutter's "More Exceptional C++" 有一个附录（附录 A：“不存在的优化（在多线程世界中）”）讨论了为什么在多线程应用程序中由于同步问题，写时复制引用实现经常会出现性能问题。那篇文章也可以在线获得（但我不确定它是否与书中的内容完全相同）：

http://www.gotw.ca/publications/optimizations.htm

这两章都值得一读。

【讨论】：

注意（因为链接自最近的问题）：有趣的是，在 move 情况下，GCC 的写时复制实现性能优于 VC++ 短字符串优化，因为 move 操作主要受sizeof 对象的影响。

“短字符串优化”显然经常缩写为“SSO”：***.com/questions/10315041/meaning-of-acronym-sso

我同意 Scott Meyers 和 Herb Sutter 的书籍包含有关字符串实现的大量一般信息，但他们没有确切说明哪些实现使用了哪些优化（或非优化）。如果你想知道这里有一个比较：http://info.prelert.com/blog/cpp-stdstring-implementations

gcc 实现在这里：gcc.gnu.org/onlinedocs/gcc-4.8.1/libstdc++/api/…

【参考方案5】：

字符串的 c++ 解决方案与 c 版本完全不同。第一个也是最重要的区别是，当 c 使用 ASCIIZ 解决方案时，std::string 和 std::wstring 使用两个迭代器（指针）来存储实际的字符串。字符串类的基本用法提供了动态分配的解决方案，因此动态内存处理的 CPU 开销成本使得字符串处理更加舒适。

您可能已经知道，C 不包含任何内置的通用字符串类型，仅通过标准库提供几个字符串操作。 C 和 C++ 之间的主要区别之一是 C++ 提供了封装的功能，因此可以将其视为伪造的泛型类型。

在 C 语言中，如果您想知道字符串的长度，则需要遍历字符串，std::string::size() 成员函数基本上只有一条指令（结束 - 开始）。只要您有内存，您就可以安全地将字符串一个接一个地追加，因此无需担心缓冲区溢出错误（以及漏洞利用），因为如果需要，追加会创建更大的缓冲区。

正如之前有人所说，字符串是从向量功能派生的，以模板化的方式，因此更容易处理多字节字符系统。您可以使用 typedef std::basic_string specific_str_t 定义自己的字符串类型；模板参数中具有任意数据类型的表达式。

我认为双方都有足够的利弊：

C++ 字符串优点： - 在某些情况下更快的迭代（绝对使用大小，它不需要内存中的数据来检查你是否在字符串的末尾，比较两个指针。这可能会对缓存产生影响） - 缓冲区操作包含字符串功能，因此无需担心缓冲区问题。

C++ 字符串缺点： - 由于动态内存分配的东西，基本使用可能会影响性能。 （幸运的是，您可以告诉字符串对象原始缓冲区大小应该是多少，所以除非您超过它，否则它不会从内存中分配动态块） - 与其他语言相比，名称通常很奇怪且不一致。这是任何 stl 东西的坏处，但你可以习惯它，它会让人感觉有点特定的 C++ 风格。 - 模板的大量使用迫使标准库使用基于头文件的解决方案，因此对编译时间有很大影响。