处理 ctype.h 整数溢出

Question

处理字符值的正确方法是什么，当转换为无符号字符时，字符值落在 {INT_MAX + 1 ... UCHAR_MAX} 之间，其中 UCHAR_MAX 大于 INT_MAX。

int is_digit(char c) {
    unsigned char uchar = c;
    if(uchar > INT_MAX)
        return MAYBE;
    return isdigit((int)uchar) ? YES : NO;
}

Answer 1

UCHAR_MAX 大于 INT_MAX 的唯一方法是，如果您使用的是 sizeof(int) == 1 的计算机； ie，其中 char 的位数与 int 的位数相同。在这些机器上，UCHAR_MAX = UINT_MAX ≥ INT_MAX。

在 32 位（或更高）的计算机上，这不太可能成为问题。只要变量 c 中的值来自文本源，我所知道的文本编码就不会导致溢出。即使“UTF-32”也只有低 21 位有效。 （实际上，由于我们正在讨论奇怪的系统，我应该说这适用于 sizeof(int) = 1 且 CHAR_BIT ≥ 22 的机器。☺）

如果在这样的情况下尽管如此，机器 is_digit() 仍传递了大于 INT_MAX 的参数 c，它不是来自文本源。未定义的行为是将非字符数据放入 char 变量中的结果，并且这始终是程序员所做的事情，而不是实现导致的事情。

在一个系统中，这可能是一个问题：16 位 char 和 int，并且该系统使用 16 位字符代码 ( 例如，UTF-16），其中可以设置高位。如果是这种情况，那么实现就应该将纯 char 定义为带符号的，正是出于这个原因。使用 char 签名后，它将提升为（签名）int 并可以安全地传递给 is*() 系列函数；如果 char 无符号，它将提升为 unsignedint 并强制转换为有符号 int 可能是未定义的。

在这样的系统上，您的代码确实已损坏，但这将是您自己的错误，因为完全不必要的转换为 unsigned char 以及危险的（在此系统上）强制转换 <代码>（int）uchar。

总结一下：在具有 sizeof(int) == 1 的系统上，实现的责任是确保每个代码点在存储在 char 变量中时都可以安全地传递到 ctype.h 函数（需要 int 参数）。这总是可以做到。如果您在 char 变量中存储了一些不是代码点的内容，并将其传递给 is*()，那么未定义行为的责任就在于您自己。就你一个人。

Answer 2

Unicode 字符集（这是最常用的）的字符代码从 0 到 0x10ffff。因此，字符代码大于 INT_MAX 的唯一可能是 int 是 16 位类型（或具体小于 22 位）。如果是这种情况，那么您根本无法将字符代码存储在 int 中。

如果 int 是 32 位类型（或至少 22 位），则字符代码在转换为 int 时不会溢出。