strtol 等人的规范中的混淆语言

Posted 2023-02-21

【中文标题】strtol 等人的规范中的混淆语言

【英文标题】：Confusing language in specification of strtol, et al

【发布时间】：2011-10-05 18:39:22

【问题描述】：

strtol 的规范在概念上将输入字符串分为“初始空白”、“主题序列”和“最终字符串”，并将“主题序列”定义为：

输入字符串的最长初始子序列，从第一个具有预期形式的非空白字符开始。如果输入字符串为空或完全由空白字符组成，或者如果第一个非空白字符不是符号或允许的字母或数字，则主题序列不应包含字符。

曾经我认为“最长初始子序列”业务类似于scanf 的工作方式，其中"0x@" 将扫描为"0x"，这是一个失败的匹配，然后是"@" 作为下一个未读字符.然而，经过一番讨论，我基本确信strtol 处理的是预期形式的最长初始子序列，而不是最长的初始字符串，它是预期形式的某些可能字符串的初始子序列。

让我感到困惑的是规范中的这种语言：

如果主题序列为空或不具有预期形式，则不进行转换； str 的值存储在 endptr 指向的对象中，前提是 endptr 不是空指针。

如果我们接受看似正确的“主题序列”定义，则不存在没有预期形式的非空主题序列，而是（避免冗余和混淆）文本应该只是阅读：

如果主题序列为空，则不进行转换； str 的值存储在 endptr 指向的对象中，前提是 endptr 不是空指针。

谁能为我澄清这些问题？也许指向过去讨论或任何相关缺陷报告的链接会很有用。

【问题讨论】：

一个简单的规范示例就可以解决所有问题...

确实如此。我对这样的事情有一种感觉，委员会实际上是在试图避免直言不讳，因为担心会引发一场关于它应该如何表现的疯狂争论......

【参考方案1】：

我完全同意您的评估：根据定义，所有非空主题序列都是预期形式，因此标准的措辞是可疑的。

在浮点转换函数的情况下，还有另一个错误（C99:TC3 第 7.20.1.3 节，§3）：

[...] 主题序列被定义为最长的初始 输入字符串的子序列，从第一个开始 非空白字符，即预期形式。主题 如果输入字符串不是 预期形式。

这意味着整个输入字符串必须是预期的形式，这违背了endptr 参数的目的。有人可能会争辩说，输入字符串的预期形式与主题序列的预期形式不同，但它仍然很混乱。

strto*() 和 *scanf() 系列函数的语义不同，这也是正确的：如果两者都匹配，它们将始终在值上达成一致并使用相同数量的字符（以及它们所在的任何 libc 实现） do not 已损坏，包括我上次检查时的 newlib 和 glibc），但 *scanf() 也无法匹配需要回溯多个字符的情况，例如您的示例 "0x@" 和 "1.0e+"。

【参考方案2】：

如果您从 C9​​9 标准的 §7.20.1.4（strtol、strtoll、strtoul 和 strtoull 函数）¶2 而非 ¶4 开始，可能会更容易理解：

¶2 strtol、strtoll、strtoul 和 strtoull 函数将初始 nptr 指向的字符串的一部分到 long int, long long int, unsigned long int 和 unsigned long long int 分别表示。第一的， 他们将输入字符串分解为三个部分：一个初始的，可能是空的，序列 空白字符（由 isspace 函数指定），主题序列 类似于一个整数，以由 base 的值确定的某个基数表示，以及 一个或多个无法识别的字符的最终字符串，包括终止的 null 输入字符串的字符。然后，他们尝试将主题序列转换为 整数，并返回结果。

¶3 如果 base 的值为零，则主题序列的预期形式是 如 6.4.4.1 中所述的整数常量，前面可选加号或减号，但 不包括整数后缀。如果 base 的值介于 2 和 36（含）之间，则 主题序列的预期形式是表示一个字母和数字的序列 整数，基数由 base 指定，前面可选加号或减号， 但不包括整数后缀。从 a（或 A）到 z（或 Z）的字母是 赋予值 10 到 35；只有字母和数字的归属值较小 比基地是允许的。如果 base 的值为 16，则字符 0x 或 0X 可能 可选地在字母和数字序列之前，如果存在则在符号之后。

¶4 主题序列定义为输入字符串的最长初始子序列，...

特别是，¶3 阐明了主题序列是什么。

【参考方案3】：

我觉得C99语言还是挺清晰的：

主题序列被定义为最长的初始子序列 输入字符串，从第一个非空白字符开始， 这是预期的形式。

给定"0x@"，"0x@" 不是预期的形式； "0x" 不是预期的形式；因此"0" 是预期形式的最长初始子序列。

我同意这意味着您不能有不符合预期形式的非空主题序列 - 除非您解释以下内容：

在"C" 语言环境之外，其他特定于语言环境的主题 可以接受序列形式。

...允许语言环境定义主题序列可能具有的其他可能形式，但这些形式并非“预期形式”。

最后一段中的措辞似乎只是“腰带和大括号”。

【讨论】：

我很感兴趣，你认为人们可以如何使用 locale 子句绕过这个要求.. :-)

【参考方案4】：

POSIX spec for strtol 好像更清楚了：

这些函数应将 str 指向的字符串的初始部分分别转换为 long 类型和 long long 表示形式。首先，他们将输入字符串分解为三部分：

一个初始的，可能为空的空白字符序列（由 isspace() 指定）

一个主题序列被解释为一个整数，表示为由 base 的值确定的某个基数

一个或多个无法识别字符的最终字符串，包括输入字符串的终止 NUL 字符。

然后他们将尝试将主题序列转换为整数，并返回结果。

但当然，它不是规范性的并且“遵循 ISO C 标准”。

【讨论】：

POSIX 的哪个版本？也许他们澄清了措辞？

2008，与您关联的同一个。

哦……对 :-)。在这种情况下，我想知道 ISO 规范是如何措辞的……绝对是奇怪的措辞。我认为意图是“跳过空白，然后尝试读取一个整数，如果失败，什么也不做”

好吧，唯一真正的极端情况是读取"0x"，然后是垃圾，当基数为0或16时-它应该读为0，endptr指向x，还是无效输入？ scanf 明确指定将其读取为无效输入，但 glibc 的 scanf 将其读取为 0，同时 消耗 x...顺便说一句，strtod 有更多极端情况因为有更多的字符串在截短时格式正确，中间长度格式不正确，如果完整截取则格式正确 - 例如，"1.0e+10" 格式正确，"1.0" 格式正确格式正确，但 "1.0e+" 不是。

@R..：我同意——scanf() 系列函数在需要推回多个字符的情况下会产生额外的失败；然而，已知许多 libc 实现已被破坏 - 请参阅 ***.com/questions/1425730/…