[TOC] > 要分析python源码,C语言的基础不能少,特别是指针和结构体等知识。这篇文章先回顾C语言基础,方便后续代码的阅读。 ##1 关于ELF文件 linux中的C编译得到的目标文件和可执行文件都是ELF格式的,可执行文件中以segment来划分,目标文件中,我们是以section划分。一个segment包含一个或多个section,通过readelf命令可以看到完整的section和segment信息。看一个栗子: ``` char pear[40]; static double peach; int mango = 13; char *str = "hello"; static long melon = 2001; int main() { int i = 3, j; pear[5] = i; peach = 2.0 * mango; return 0; } ``` 这是个简单的C语言代码,现在分析下各个变量存储的位置。其中mango,melon属于data section,pear和peach属于common section中,而且peach和melon加了static,说明只能本文件使用。而str对应的字符串"helloworld"存储在rodata section中。main函数归属于text section,函数中的局部变量i,j在运行时在栈中分配空间。注意到前面说的全局未初始化变量peach和pear是在common section中,这是为了强弱符号而设置的。那其实最终链接成为可执行文件后,会归于BSS segment。同样的,text section和rodata section在可执行文件中都属于同一个segment。 更多ELF内容参见《程序猿的自我修养》一书。 ##2 关于指针 想当年学习C语言最怕的就是指针了,当然《c与指针》和《c专家编程》以及《高质量C编程》里面对指针都有很好的讲解,系统回顾还是看书吧,这里我总结了一些基础和易错的点。环境是ubuntu14.10的32位系统,编译工具GCC。 ###2.1 指针易错点 ``` /*** 指针易错示例1 demo1.c ***/ int main() { char *str = "helloworld"; //[1] str[1] = 'M'; //[2] 会报错 char arr[] = "hello"; //[3] arr[1] = 'M'; return 0; } ``` demo1.c中,我们定义了一个指针和数组分别指向了一个字符串,然后修改字符串中某个字符的值。编译后运行会发现[2]处会报错,这是为什么呢?用命令```gcc -S demo1.c``` 生成汇编代码就会发现[1]处的helloworld是存储在rodata section的,是只读的,而[3]处的是存储在栈中的。所以[2]报错而[3]正常。在C中,用[1]中的方式创建字符串常量并赋值给指针,则字符串常量存储在rodata section。而如果是赋值给数组,则存储在栈中或者data section中(如[3]就是存储在栈中)。示例2给出了更多容易出错的点,可以看看。 ``` /*** 指针易错示例2 demo2.c ***/ char *GetMemory(int num) { char *p = (char *)malloc(sizeof(char) * num); return p; } char *GetMemory2(char *p) { p = (char *)malloc(sizeof(char) * 100); } char *GetString(){ char *string = "helloworld"; return string; } char *GetString2(){ char string[] = "helloworld"; return string; } void ParamArray(char a[]) { printf("sizeof(a)=%d\n", sizeof(a)); // sizeof(a)=4,参数以指针方式传递 } int main() { int a[] = {1, 2, 3, 4}; int *b = a + 1; printf("delta=%d\n", b-a); // delta=4,注意int数组步长为4 printf("sizeof(a)=%d, sizeof(b)=%d\n", sizeof(a), sizeof(b)); //sizeof(a)=16, sizeof(b)=4 ParamArray(a); //引用了不属于程序地址空间的地址,导致段错误 /* int *p = 0; *p = 17; */ char *str = NULL; str = GetMemory(100); strcpy(str, "hello"); free(str); //释放内存 str = NULL; //避免野指针 //错误版本,这是因为函数参数传递的是副本。 /* char *str2 = NULL; GetMemory2(str2); strcpy(str2, "hello"); */ char *str3 = GetString(); printf("%s\n", str3); //错误版本,返回了栈指针,编译器会有警告。 /* char *str4 = GetString2(); */ return 0; } ``` ###2.2 指针和数组 在2.1中也提到了部分指针和数组内容,在C中指针和数组在某些情况下可以相互转换来使用,比如```char *str="helloworld"```可以通过```str[1]```来访问第二个字符,也可以通过```*(str+1)```来访问。 此外,在函数参数中,使用数组和指针也是等同的。**但是指针和数组在有些地方并不等同,需要特别注意。** 比如我定义一个数组```char a[9] = "abcdefgh";```(注意字符串后面自动补\0),那么用a[1]读取字符'b'的流程是这样的: - 首先,数组a有个地址,我们假设是9980。 - 然后取偏移值,偏移值为索引值*元素大小,这里索引是1,char大小也为1,因此加上9980为9981,得到数组a第1个元素的地址。(如果是int类型数组,那么这里偏移就是1 * 4 = 4) - 取地址9981处的值,就是'b'。 那如果定义一个指针```char *a = "abcdefgh";```,我们通过a[1]来取第一个元素的值。跟数组流程不同的是: - 首先,指针a自己有个地址,假设是4541. - 然后,从4541取a的值,也就是字符串“abcdefgh”的地址,假定是5081。 - 接着就是跟之前一样的步骤了,5081加上偏移1,取5082地址处的值,这里就是'b'了。 通过上面的说明可以发现,指针比数组多了一个步骤,虽然看起来结果是一致的。因此,下面这个错误就比较好理解了。在demo3.c中定义了一个数组,然后在demo4.c中通过指针来声明并引用它,显然是会报错的。如果改成```extern char p[];```就正确了(当然声明你也可以写成extern char p[3],声明里面的数组大小跟实际大小不一致是没有关系的),一定要保证定义和声明匹配。 ``` /*** demo3.c ***/ char p[] = "helloworld"; /*** demo4.c ***/ extern char *p; int main() { printf("%c\n", p[1]); return 0; } ``` ##3 关于typedef和#define typedef和#define都是经常用的,但是它们是不一样的。一个typedef可以塞入多个声明器,而#define一般只能有一个定义。在连续声明中,typedef定义的类型可以保证声明的变量都是同一种类型,而#define不行。此外,typedef是一种彻底的封装类型,在声明之后不能再添加其他的类型。如代码中所示。 ``` #define int_ptr int * int_ptr i, j; //i是int *类型,而j是int类型。 typedef char * char_ptr; char_ptr c1, c2; //c1, c2都是char *类型。 #define peach int unsigned peach i; //正确 typdef int banana; unsigned banana j; //错误,typedef声明的类型不能扩展其他类型。 ``` 另外,typedef在结构体定义中也很常见,比如下面代码中的定义。需要注意的是,[1]和[2]是很不同的。当你如[1]中那样用typedef定义了struct foo,那么其实除了本身的foo结构标签,你还定义了foo这种结构类型,所以可以直接用foo来声明变量。而如[2]中的定义是不能用bar来声明变量的,因为它只是一个结构变量,并不是结构类型。 还有一点需要说明的是,结构体是有自己名字空间的,所以结构体中的字段可以跟结构体名字相同,比如[3]中那样也是合法的,当然尽量不要这样用。后面一节还会更详细探讨结构体,因为在Python源码中也有用到很多结构体。 ``` typedef struct foo {int i;} foo; //[1] struct bar {int i;} bar; //[2] struct foo f; //正确,使用结构标签foo foo f; //正确,使用结构类型foo struct bar b; //正确,使用结构标签bar bar b; // 错误,使用了结构变量bar,bar已经是个结构体变量了,可以直接初始化,比如bar.i = 4; struct foobar {int foorbar;}; //[3]合法的定义 ``` ##4 关于结构体 在学习数据结构的时候,定义链表和树结构会经常用到结构体。比如下面这个: ``` struct node { int data; struct node* next; }; ``` 在定义链表的时候可能就有点奇怪了,为什么可以这样定义,貌似这个时候struct node还没有定义好为什么就可以用next指针指向用这个结构体定义了呢? ###4.1 不完全类型 这里要说下C语言里面的不完全类型。C语言可以分为函数类型,对象类型以及不完全类型。而对象类型还可以分为标量类型和非标量类型。算术类型(如int,float,char等)和指针类型属于标量类型,而定义完整的结构体,联合体,数组等都是非标量类型。而不完全类型是指没有定义完整的类型,比如下面这样的 ``` struct s; union u; char str[]; ``` 具有不完全类型的变量可以通过多次声明组合成一个完全类型。比如下面2词声明str数组是合法的: ``` char str[]; char str[10]; ``` 此外,如果两个源文件定义了同一个变量,只要它们不全部是强类型的,那么也是可以编译通过的。比如下面这样是合法的,但是如果将file1.c中的```int i;```改成强定义如```int i = 5;```那么就会出错了。 ``` //file1.c int i; //file2.c int i = 4; ``` ###4.2 不完全类型结构体 不完全类型的结构体十分重要,比如我们最开始提到的struct node的定义,编译器从前往后处理,发现```struct node *next```时,认为struct node是一个不完全类型,next是一个指向不完全类型的指针,尽管如此,指针本身是完全类型,因为不管什么指针在32位系统都是占用4个字节。而到后面定义结束,struct node成了一个完全类型,从而next就是一个指向完全类型的指针了。 ###4.3 结构体初始化和大小 结构体初始化比较简单,需要注意的是结构体中包含有指针的时候,如果要进行字符串拷贝之类的操作,对指针需要额外分配内存空间。如下面定义了一个结构体student的变量stu和指向结构体的指针pstu,虽然stu定义的时候已经隐式分配了结构体内存,但是你要拷贝字符串到它指向的内存的话,需要显示分配内存。 ``` struct student { char *name; int age; } stu, *pstu; int main() { stu.age = 13; //正确 // strcpy(stu.name,"hello"); //错误,name还没有分配内存空间 stu.name = (char *)malloc(6); strcpy(stu.name, "hello"); //正确 return 0; } ``` 结构体大小涉及一个对齐的问题,对齐规则为: - 结构体变量首地址为最宽成员长度(如果有```#pragma pack(n)```,则取最宽成员长度和n的较小值,默认pragma的n=8)的整数倍 - 结构体大小为最宽成员长度的整数倍 - 结构体每个成员相对结构体首地址的偏移量都是每个成员本身大小(如果有pragma pack(n),则是n与成员大小的较小值)的整数倍 因此,下面结构体S1和S2虽然内容一样,但是字段顺序不同,大小也不同,```sizeof(S1) = 8, 而sizeof(S2) = 12```. 如果定义了```#pragma pack(2)```,则```sizeof(S1)=8;sizeof(S2)=8``` ``` typedef struct node1 { int a; char b; short c; }S1; typedef struct node2 { char b; int a; short c; }S2; ``` ###4.4 柔性数组 柔性数组是指结构体的最后面一个成员可以是一个大小未知的数组,这样可以在结构体中存放变长的字符串。如代码中所示。**注意,柔性数组必须是结构体最后一个成员,柔性数组不占用结构体大小.**当然,你也可以将数组写成```char str[0]```,含义相同。 **updated:** 查看Python源码过程中,发现其柔性数组声明并不是用一个空数组或者```char str[0]```,而是用的```char str[1]```,即数组大小为1.这是因为C/C++标准不允许声明大小为0的数组,为了可移植性,所以常常看到的是声明数组大小为1。当然,很多编译器比如GCC等把数组大小为0作为了一个非标准的扩展,所以声明空的或者大小为0的柔性数组在GCC中是可以正常编译的。 ``` struct flexarray { int len; char str[]; } *pfarr; int main() { char s1[] = "hello, world"; pfarr = malloc(sizeof(struct flexarray) + strlen(s1) + 1); pfarr->len = strlen(s1); strcpy(pfarr->str, s1); printf("%d\n", sizeof(struct flexarray)); // 4 printf("%d\n", pfarr->len); // 12 printf("%s\n", pfarr->str); // hello, world return 0; } ``` ##5 总结 - 关于const,c语言中的const不是常量,所以不能用const变量来定义数组,如```const int N = 3; int a[N];```这是错误的。 - 注意内存分配和释放,杜绝野指针。 - C语言中弱符号和强符号一起链接是合法的。 - 注意指针和数组的区别。 - typedef和#define是不同的。 - 注意包含指针的结构体的初始化和柔性数组的使用。 ##6 参考资料 - 《c专家编程》 - 《linux c一站式编程》 - 《高质量C/C++编程》 - [结构体字节对齐](http://www.cnblogs.com/dolphin0520/archive/2011/09/17/2179466.html) - [柔性数组](http://www.cnblogs.com/Daniel-G/archive/2012/12/02/2798496.html)