6.3 字符串：以零结尾的字节序列

6.3 字符串：以零结尾的字节序列

本节摘要：C 没有字符串类型——字符串只是"以零结尾的字节数组"这个约定。结尾零是唯一的身份标识：strlen 靠逐字节找零计算长度，printf 的 %s 靠找零知道在哪停。约定极简高效，但所有写入端必须保证"装得下内容加结尾零"，否则越界。本节讲清约定、常用函数的风险清单与安全替代写法。

一个字节的身份标识

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

int main(void)
{
    char s[6] = {'h', 'e', 'l', 'l', 'o', '\0'};   /* 手工摆出全部字节 */
    char *t = "hello";                             /* 字面量：只读区，自带结尾零 */

    printf("%s 长度 %zu\n", s, strlen(s));          /* hello 长度 5 */
    printf("sizeof s = %zu\n", sizeof s);           /* 6：含结尾零 */
    return 0;
}
​

三个数字放在一起看：strlen 是 5、sizeof 是 6——长度不含结尾零，容量必须给它留位。"长度 5 的字符串需要 6 字节"是无数缓冲区大小事故的核心公式。

字符串字面量 "hello" 是只读区里的 6 个字节（第 1 章见过它的地址前缀）；字符数组是把内容复制进自己的地盘。char *p = "hi" 与 char a[] = "hi" 的区别：前者指向只读区（改写即段错误），后者是栈上的副本（可改）。需要修改就用数组形式。

图 1 零结尾与三种"出事"的长度关系

常用函数与风险清单

size_t strlen(const char *s);                 /* 逐字节找零，O(n) */
char *strcpy(char *dst, const char *src);     /* 复制直到源零：不看 dst 容量 */
char *strcat(char *dst, const char *src);     /* 追加：同样不看容量 */
int   strcmp(const char *a, const char *b);   /* 逐字节比较，差值带符号 */
char *strncpy(char *dst, const char *src, size_t n);  /* 限量复制 */
char *strncat(char *dst, const char *src, size_t n);  /* 限量追加 */
char *strstr(const char *h, const char *n);   /* 找子串，返回位置或 NULL */
char *strchr(const char *s, int c);           /* 找字符 */
​

strcmp 的返回值约定：负数、0、正数对应小于、等于、大于——判断相等用 == 0，别把返回值当布尔用。strncpy 有个暗坑：源够长时它不补结尾零（精确复制 n 字节），目标可能变成"没有零的字符数组"。安全补零要自己做。

安全替换的样板：

char buf[32];

/* 拷贝：保证结尾零 */
snprintf(buf, sizeof buf, "%s", src);     /* 现代首选：永不越界、总补零 */

/* 拼接 */
snprintf(buf, sizeof buf, "%s-%s", a, b);

/* 读入 */
scanf("%31s", buf);                        /* 容量减一，留位给零 */
​

snprintf 是字符串操作的安全瑞士军刀：带容量、自动截断、保证结尾零。老代码里的 sprintf、strcpy、strcat，评审时一律替换。

操纵字符串的正确姿势：手写字符串反转

不调用库函数，自己走一遍字节级操作，把本章知识串起来：

#include <stdio.h>

void reverse(char *s)
{
    size_t len = 0;
    while (s[len] != '\0')     /* 手工 strlen：逐字节找零 */
        len++;
    for (size_t i = 0; i < len / 2; i++) {
        char t = s[i];         /* 首尾对调 */
        s[i] = s[len - 1 - i];
        s[len - 1 - i] = t;
    }
}

int main(void)
{
    char buf[] = "machine";    /* 数组形式：可写副本 */
    reverse(buf);
    printf("%s\n", buf);       /* enihcam */
    return 0;
}
​

值得盯住的细节：char buf[] = "machine" 是栈上 8 字节副本（含零），可以原地反转；若写成 char *buf = "machine"，reverse 里的写入直接段错误——第 5 章"指向谁家的活内存"判据的字符串版。

多字节字符的提醒

C 的 char 只是一个字节，中文这类多字节编码（UTF-8）一个字占多个字节、且每个字节都可能非零。strlen 对 UTF-8 返回字节数不是字符数；按字节切片可能把一个字切成两半输出乱码。处理中文文本要么用操作系统 API 的宽字符接口，要么明确按 UTF-8 规则逐码位解析——把"字节"与"字符"分开，是国际化代码的第一课。

⚠️ 常见坑：从网络或文件读入的"字符串"没有结尾零。外部数据是字节流，读进来后必须在末尾补零，才能交给 strlen 与 printf 家族——否则它们会一路读到碰巧的零为止。

💡 关键直觉：字符串的世界只有一条公式——容量必须大于内容加一。所有写入前先问"最坏情况下源有多长、我的容量够不够"，问完再写，事故归零。

本节要点回顾

• 字符串 = 以零结尾的字节序列：长度不含零，容量必须含零，strlen 是 5、sizeof 是 6。
• 字面量在只读区，数组是可写副本：要改用数组形式。
• strcpy strcat sprintf 不看容量：一律换 snprintf 与限长读入；strncpy 源够长时不补零。
• strcmp 用 == 0 判相等；外部读入的字节流要补零才是字符串。
• char 是字节不是字符：UTF-8 下 strlen 给字节数，切字节会切断字符。

第 6 章结束。下一章把不同类型的成员拼进一块内存：结构体与它的对齐填充。

常见疑问

问：为什么 C 当年选择零结尾而不是带头部长度？ 早期机器内存以 KB 计，每个字符串省一个长度字段是可观的节省；零结尾也让逐字节处理的外设天然匹配。代价是长度要靠遍历计算、写入端必须防越界——这是五十多年前的权衡在今天的回响。

问：字符串字面量相同内容会合并吗？ 多数编译器会把相同的字面量合并成一份只读数据，两个指针可能指向同一地址。所以别比较字面量指针是否相等来判断内容——用 strcmp。

问：字符串能有多长？ 理论上限是字节计数类型的上限；实际限制来自内存与你要传的容量参数。strlen 返回的类型是无符号的长度类型，接收时用对的类型，避免大字符串截断。