1.4 数组与字符串的连续内存

1.4 数组与字符串的连续内存

本节摘要：数组是同类型元素在内存里的紧密排列，"连续"二字给它带来缓存友好的速度，也带来越界即未定义行为的危险。本节讲透数组名退化、C 风格字符串的结尾符约定、std::string 的短字符串优化，以及为什么现代 C++ 用 std::vector 和 std::string 取代裸数组——不是因为裸数组慢，而是因为裸数组的生命周期太容易管错。

你将学会

阅读完本节，你应当能够：

1. 解释数组名在大多数表达式中退化为首元素指针的现象；
2. 手工推算二维数组与字符缓冲区的大小；
3. 说出 C 字符串与 std::string 在内存组织上的本质区别；
4. 描述短字符串优化如何让短字符串完全避开堆分配。

一、连续排列的红利与代价

int scores[4] = {90, 85, 77, 96};
​

这一行在栈帧里划出 16 字节，四个 int 首尾相接。连续排列的红利是访问速度：第 i 个元素的地址就是"首地址 + i × 4"，一次乘法加法就能定位；更重要的是缓存——CPU 按缓存行（常为 64 字节）成块搬运内存，遍历连续数组时一次装载服务多个元素，而链表那种"节点散落堆中"的结构每跳一步都可能是一次内存访问。这也是第 4 章 STL 容器选型的核心依据之一。

代价同样来自连续：没有任何边界护栏。scores[4] 编译器不拦、运行时不查（operator[] 不做边界检查），你读到了邻居变量的内存——未定义行为。想要检查时用 at()（越界抛 std::out_of_range）或直接用带边界意识的容器：

std::array<int, 4> safe{90, 85, 77, 96};
safe.at(4);          // 抛异常 立刻暴露问题
safe[4];             // 仍未定义行为 性能换安全的取舍点
​

二、数组名退化：C 时代最著名的"变形"

数组名不是指针，但几乎在任何表达式中都会退化为首元素指针：

int a[4] = {1, 2, 3, 4};
sizeof(a);           // 16：不退化的三种场合之一 求整组大小
sizeof(a) / sizeof(a[0]);   // 4 经典的元素个数算法
int* p = a;          // 退化为 &a[0]
*p;                  // 1
​

退化只发生在数组名作为表达式值使用时；sizeof、取地址 &a（得到的是"指向整组的指针"）和绑定到数组的引用不退化。退化后指针丢失了长度信息——这正是"数组传参即变指针"的根源：

void process(int arr[4]);   // 形参里的 4 被编译器无视！
// 完全等价于 void process(int* arr);
​

所以 C 风格接口只能靠额外参数传长度。C++17 起有了更体面的替代——std::span，一个"指针 + 长度"的视图，数组与 vector 都能无拷贝地传给它：

#include <span>
void process(std::span<int> arr) {
    for (int& x : arr) x *= 2;   // 长度信息完整保留
}
int main() {
    int a[4] = {1, 2, 3, 4};
    process(a);                  // 自动退化成带长度的视图
}
​

二维数组是"数组的数组"：int m[2][3] 在内存里仍是 6 个连续的 int，按行存放。m[1][2] 的地址是首地址加 (1×3 + 2)×4——行主序的地址算术，与 CPU、缓存预取配合出奇地好，也是图像处理、矩阵运算偏爱行主序遍历的原因（外层循环走行，内层走列，顺着缓存走）。

三、C 字符串：一个约定撑起半个世界

C 风格字符串没有元数据，只有一条约定：以字节 0（'\0'）结尾。"hello" 在内存里是 6 个字节：h、e、l、l、o、0。这条约定决定了 C 字符串函数的全部行为——strlen 要从头数到 0 才知道长度（O(n)），忘记写 0 程序就读过界：

char buf[5];
// strcpy(buf, "hello");     // 6字节塞进5字节 缓冲区溢出 经典安全漏洞
snprintf(buf, sizeof(buf), "hello");  // 截断到 hell\0 安全
​

字符串字面量存放在只读存储区，通过指针改它是段错误：

char* s = "hello";    // 危险写法 现代编译器警告
s[0] = 'H';           // 未定义行为 常见崩溃
const char* t = "hello";   // 正确姿态：承认其只读身份
​

C++ 里还有一个小而常考的区别：'a' 是 char，本质是整数 97；"a" 是数组，含 'a' 与 '\0' 两个字节。两者在内存里的形态完全不同。

四、std::string：对象头加堆缓冲

std::string 的内存组织是"句柄 + 缓冲"模式的第一课：

图：std::string 的短字符串优化两种形态

短字符串优化（SSO）解释了一个反直觉现象：构造短字符串比构造长字符串便宜一个数量级，因为前者根本不碰堆。也解释了为什么移动一个长 std::string 极快（只交接堆指针）、移动短字符串反而要搬十几个字节——第 3 章移动语义会回到这一点。

日常操作中还有几个值得记账的行为：

std::string s = "hello";
s + " world";              // 产生新串 可能堆分配
s += "!";                  // 容量够则原地 不再分配
s.reserve(1000);           // 预留 一次到位 避免反复扩容
​

拼接、追加、扩容都涉及"容量倍增摊还"策略，与 std::vector 完全一致，第 4 章统一展开。原始字符串与转义在这里补一句：路径写法 R"(C:\Users\dev)" 免去双反斜杠，在 Windows 环境尤其省心。

⚠️ 常见坑：std::string 返回 c_str() 得到的指针有效期只到下一次修改该字符串；拿它长期保存等于埋雷。另外循环内 s = s + x 每轮构造临时串，改 s += x 是零成本优化。

本节要点回顾

• 连续即速度也即风险：边界从不自动检查，at() 换安全，span 保长度。
• 数组名退化：传参丢长度是 C 接口的历史包袱，C++ 用 std::span 修复。
• C 字符串三宗罪：结尾符约定脆弱、字面量只读、长度要现场数——新代码一律 std::string 或 string_view。
• SSO 双形态：短串全住栈、长串才上堆；同一个类型两种内存形态自由切换。
• 句柄加缓冲：std::string 是这一模式的启蒙样板，第 3、4 章反复重逢。

下一节把"地址"本身变成可操作的值：指针，C++ 力量与危险的双重源头。