std::string 和字符串文字之间不一致

Question

我发现 C++0x 中的 std::string 和字符串文字之间存在令人不安的不一致：

#include <iostream>
#include <string>

int main()
{
    int i = 0;
    for (auto e : "hello")
        ++i;
    std::cout << "Number of elements: " << i << '\n';

    i = 0;
    for (auto e : std::string("hello"))
        ++i;
    std::cout << "Number of elements: " << i << '\n';

    return 0;
}

输出是：

Number of elements: 6
Number of elements: 5

我理解为什么会发生这种情况的机制：字符串文字实际上是一个字符数组包含空字符，并且当基于范围的 for 循环在字符数组上调用 std::end() 时，它会获得一个超出数组末尾的指针；由于空字符是数组的一部分，因此它获得了一个超过空字符的指针。

但是，我认为这是非常不可取的：当涉及到像长度这样的基本属性时，std::string 和字符串文字肯定应该表现相同吗？

有办法解决这种不一致吗？例如，是否可以为字符数组重载 std::begin() 和 std::end() ，以便它们界定的范围不包括终止空字符？如果是这样，为什么没有这样做？

编辑：为了向那些说我只是遭受使用“遗留功能”C 风格字符串的后果的人证明我的愤慨，请考虑如下代码

template <typename Range>
void f(Range&& r)
{
    for (auto e : r)
    {
        ...
    }
}

：您希望 f("hello") 和 f(std::string("hello")) 做一些不同的事情吗？

Answer 1

如果我们为 const char 数组重载 std::begin() 和 std::end() 以返回比数组大小小 1 的值，则以下代码将输出 4 而不是预期的 5：

#include <iostream>

int main()
{
    const char s[5] = {'h', 'e', 'l', 'l', 'o'};
    int i = 0;
    for (auto e : s)
        ++i;
    std::cout << "Number of elements: " << i << '\n';
}

Answer 2

但是，我认为这是非常不可取的：当涉及到像长度这样的基本属性时，std::string 和字符串文字肯定应该表现相同吗？

根据定义，字符串文字在字符串末尾有一个（隐藏的）空字符。 std::string 则不然。因为 std::strings 有长度，所以空字符有点多余。字符串库的标准部分明确允许非空终止字符串。

编辑
我认为我从未给出过更具争议性的答案，即大量赞成票和大量反对票。

auto 迭代器应用于 C 样式数组时会迭代数组的每个元素。范围的确定是在编译时而不是运行时确定的。这是格式不正确的，例如：

char * str;
for (auto c : str) {
   do_something_with (c);
}

有些人使用 char 类型的数组来保存任意数据。是的，这是一种老式的 C 思维方式，也许他们应该使用 C++ 风格的 std::array，但该构造非常有效且非常有用。如果他们在 char buffer[1024]; 上的自动迭代器仅仅因为该元素恰好与空字符具有相同的值而停止在元素 15 处，那么这些人会感到非常沮丧。 Type buffer[1024]; 上的自动迭代器将一直运行到最后。是什么让 char 数组如此值得完全不同的实现？

请注意，如果您希望字符数组上的自动迭代器提前停止，有一个简单的机制可以做到这一点：将 if (c == '0') break; 语句添加到您的环形。

底线：这里没有不一致之处。 char[] 数组上的 auto 迭代器与自动迭代器在任何其他 C 样式数组上的工作方式一致。

Answer 3

在第一种情况下得到 6 是 C 中无法避免的抽象泄漏。std::string“修复”了这个问题。为了兼容性，C 样式字符串文字的行为在 C++ 中不会改变。

例如， std::begin() 和 std::end() 是否可以重载
字符数组，以便它们分隔的范围不包括
终止空字符？如果是这样，为什么没有这样做？

假设通过指针访问（与 char[N] 相反），只需在包含字符数的字符串中嵌入一个变量，这样就不会查找 NULL不再需要了。哎呀！这就是std::string。

“解决不一致问题”的方法是根本不使用遗留功能。

Answer 4

根据 N3290 6.5.4，如果范围是数组，则边界值为
自动初始化，无需 begin/end 函数调度。
那么，准备一些像下面这样的包装怎么样？

struct literal_t {
    char const *b, *e;
    literal_t( char const* b, char const* e ) : b( b ), e( e ) {}
    char const* begin() const { return b; }
    char const* end  () const { return e; }
};

template< int N >
literal_t literal( char const (&a)[N] ) {
    return literal_t( a, a + N - 1 );
};

那么以下代码将是有效的：

for (auto e : literal("hello")) ...

如果您的编译器提供用户定义的文字，则缩写可能会有所帮助：

literal operator"" _l( char const* p, std::size_t l ) {
    return literal_t( p, p + l ); // l excludes '\0'
}

for (auto e : "hello"_l) ...

编辑： 以下代码的开销较小
（但用户定义的文字不可用）。

template< size_t N >
char const (&literal( char const (&x)[ N ] ))[ N - 1 ] {
    return (char const(&)[ N - 1 ]) x;
}

for (auto e : literal("hello")) ...

Answer 5

如果您想要长度，您应该对 C 字符串使用 strlen()，对 C++ 字符串使用 .length()。您不能以相同的方式对待 C 字符串和 C++ 字符串——它们具有不同的行为。

Answer 6

可以使用 C++0x 工具箱中的另一个工具来解决不一致问题：用户定义的文字。使用适当定义的用户定义文字：

std::string operator""s(const char* p, size_t n)
{
    return string(p, n);
}

我们将能够编写：

int i = 0;     
for (auto e : "hello"s)         
    ++i;     
std::cout << "Number of elements: " << i << '\n';

现在输出预期的数字：

Number of elements: 5

有了这些新的 std::string 文字，可以说再也没有理由使用 C 风格的字符串文字了。