C语言探索之旅-第二部分第四课字符串

作者 谢恩铭，公众号「程序员联盟」（微信号：coderhub）。
转载请注明出处。
原文：https://www.jianshu.com/p/2be…

《C 语言探索之旅》全系列

内容简介

1. 前言
2. 字符类型
3. 显示字符
4. 字符串其实就是字符的数组
5. 字符串的创建和初始化
6. 从 scanf 函数取得一个字符串
7. 操纵字符串的一些常用函数
8. 总结
9. 第二部分第五课预告

1. 前言

上一课 C 语言探索之旅 | 第二部分第三课：数组，我们结束了关于数组的旅程。

好了，这课我不说“废话”，直接进入主题（但又好像不是我的风格 …）。这一课我们还是会涉及一些指针和数组的知识。

字符串，这是一个编程的术语，用来描述“一段文字”。

一个字符串，就是我们可以在内存中以变量的形式储存的“一段文字”。

比如，用户名是一个字符串，“程序员联盟”是一个字符串。

但是我们之前的课说过，呆萌的电脑兄只认得数字，“众里寻他千百度，电脑却只认得数。”

所以实际上，电脑是不认得字母的，但是“古灵精怪”的计算机先驱们是如何使电脑可以“识别”字母呢？

接下来我们会看到，他们还是很聪明的。

2. 字符类型

在这个小部分，我们把注意力先集中在字符类型上。

如果你还记得，之前的课程中我们说过：char（有符号字符类型）是用来储存范围从 -128 到 127 的数的；unsigned char（无符号字符类型）用来储存范围从 0 到 255 的数。

注意：虽然 char 类型可以用来储存数值，但是在 C 语言中却鲜少用 char 来储存一个数。
通常，即使我们要表示的数比较小，我们也会用 int 类型来储存。
当然了，用 int 来储存比用 char 来储存在内存上更占空间。但是今天的电脑基本上是不缺那点内存的，“有内存任性嘛”。

char 类型一般用来储存一个字符，注意，是 一个 字符。

前面的课程也提到了，因为电脑只认得数字，所以计算机先驱们建立了一个表格（比较常见的有 ASCII 表，更完整一些的有 Unicode 表），用来约定字符和数字之间的转换关系，例如大写字母 A 对应的数字是 65。

C 语言可以很容易地转换字符和其对应的数值。为了获取到某个字符对应的数值（电脑底层其实都是数值），只需要把该字符用单引号括起来，像这样：

'A'

在编译的时候，’A’ 会被替换成实际的数值 65。

我们来测试一下：

#include <stdio.h>

int main(int argc, char *argv[])
{
    char letter = 'A';

    printf("%d\n", letter);

    return 0;
}

程序输出：

65

所以，我们可以确信大写字母 A 的对应数值是 65。类似地，大写字母 B 对应 66，C 对应 67，以此类推。

如果我们测试小写字母，那你会看到 a 和 A 的数值是不一样的，小写字母 a 的数值是 97。

实际上，在大写字母和小写字母之间有一个很简单的转换公式，就是

小写字母的数值 = 大写字母的数值 + 32

所以电脑是区分大小写的，看似呆萌的电脑兄还是可以的么。

大部分所谓“基础”的字符都被编码成 0 到 127 之间的数值了。在 ASCII 表（发音 [aski]）的官网 http://www.asciitable.com 上，我们可以看到大部分常用的字符的对应数值。

当然这个表我们也可以在其他网站上找到，比如维基百科，百度百科，等等。

3. 显示字符

要显示一个字符，最常用的还是 printf 函数啦。这个函数真的很强大，我们会经常用到。

上面的例子中，我们用 %d 格式，所以显示的是字符对应的数值（%d 是整型）。如果要显示字符实际的样子，需要用到 %c 格式（c 是英语 character 的首字母，表示“字符”）：

int main(int argc, char *argv[])
{
    char letter = 'A';

    printf("%c\n", letter);

    return 0;
}

程序输出：

A

当然我们也可以用常见的 scanf 函数来请求用户输入一个字符，而后用 printf 函数打印：

int main(int argc, char *argv[])
{
    char letter = 0;

    scanf("%c", &letter);

    printf("%c\n", letter);

    return 0;
}

如果我输入 C，那我将看到：

C
C

第一个字母 C 是我输入给 scanf 函数的，第二个 C 是 printf 函数打印的。

以上就是对于字符类型 char 我们大致需要知道的，请牢记以下几点：

• signed char（有符号字符类型）用来储存范围从 -128 到 127 的数。
• unsigned char（无符号字符类型）用来储存范围从 0 到 255 的数。
• C 语言中，如果你没写 signed 或 unsigned 关键字，默认情况下是 signed（有符号）。
• 计算机先驱们给电脑规定了一个表，电脑可以遵照里面的转换原则来转换字符和数值，一般这个表是 ASCII 表。
• char 类型只能储存一个字符。
• ‘A’ 在编译时会被替换成实际的数值：65。因此，我们使用单引号来获得一个字符的值。

4. 字符串其实就是字符的数组

这一部分的内容，就如这个小标题所言。

事实上：一个字符串就是一个“字符的数组”，仅此而已。

到这里，你是否对字符串有了更直观的理解呢？

如果我们创建一个字符数组：

char string[5];

然后我们在数组的第一个成员上储存 ‘H’，就是 string[0] = ‘H’，第二个成员上储存 ‘E’（string[1] = ‘H’），第三个成员上储存 ‘L’（string[2] = ‘L’），第四个成员储存 ‘L’（string[3] = ‘L’），第五个成员储存 ‘O’（string[4] = ‘O’），那么我们就构造了一个字符串。

下图对于字符串在内存中是怎么存储的，可以给出一个比较直观的印象（注意：实际的情况比这个图演示的要略微复杂一些，待会儿会解释）：

上图中，我们可以看到一个数组，拥有 5 个成员，在内存上连续存放，构成一个字符串 “HELLO”（表示“喂，你好”）。

对于每一个储存在内存地址上的字符，我们用了单引号把它括起来，是为了突出实际上储存的是数值，而不是字符。在内存上，储存的就是此字符对应的数值。

实际上，一个字符串可不是就这样结束了，上面的图示其实不完整。

一个字符串必须在最后包含一个特殊的字符，称为“字符串结束符”，它是 ‘0’，对应的数值是 0。

“为什么要在字符串结尾加这么一个多余的字符呢？”

问得好！

那是为了让电脑知道一个字符串到哪里结束。

‘0’ 用于告诉电脑：“停止，字符串到此结束了，不要再读取了，先退下吧”。

因此，为了在内存中存储字符串 “HELLO”（5 个字符），用 5 个成员的字符数组是不够的，需要 6 个！

因此每次创建字符串时，需要记得在字符数组的结尾留一个字符给 ‘0’。

忘记字符串结束符是 C 语言中一个常见的错误。

因此，下面才是正确展示我们的字符串 “HELLO” 在内存中实际存放情况的示意图：

如上图所见，这个字符串包含 6 个字符，而不是 5 个。

也多亏了这个字符串结束符 ‘0’，我们就无需记得字符串的长度了，因为它会告诉电脑字符串在哪里结束。

因此，我们就可以将我们的字符数组作为参数传递给函数，而不需要传递字符数组的大小了。

这个好处只针对字符数组，你可以在传递给函数时将其写为 char * 或者 char[] 类型。

对于其他类型的数组，我们总是要在某处记录下它的长度。

5. 字符串的创建和初始化

如果我们想要用 “Hello” 来初始化字符数组 string，我们可以用以下的方式来实现。当然，有点没效率：

char string[6];  // 六个 char 构成的数组，为了储存：H-e-l-l-o + \0

string[0] = 'H';
string[1] = 'e';
string[2] = 'l';
string[3] = 'l';
string[4] = 'o';
string[5] = '\0';

虽然是笨办法，但至少行得通。

我们用 printf 函数来测试一下。

要使 printf 函数能显示字符串，我们需要用到 %s 这个符号（s 就是英语 string 的首字母，表示“字符串”）：

#include <stdio.h>

int main(int argc, char *argv[])
{char string[6];  // 六个 char 构成的数组，为了储存：H-e-l-l-o + \0

    string[0] = 'H';
    string[1] = 'e';
    string[2] = 'l';
    string[3] = 'l';
    string[4] = 'o';
    string[5] = '\0';

    // 显示字符串内容
    printf("%s\n", string);

    return 0;
}

程序输出：

Hello

如果我们的字符串内容多起来，上面的方法就更显拙劣了。其实啊，初始化字符串还有更简单的一种方式（读者：“你好‘奸诈’，不早讲，害我写代码这么辛苦 …”）：

int main(int argc, char *argv[])
{char string[] = "Hello";  // 字符数组的长度会被自动计算

    printf("%s\n", string);

    return 0;
}

以上程序的第一行，我们写了一个 char [] 类型的变量，其实也可以写成 char *，同样是可以运行的：

char *string = "Hello";

这种方法就比之前一个字符一个字符初始化的方法高大上多了，因为只需要在双引号里输入你想要创建的字符串，C 语言的编译器就很智能地为你计算好字符串的大小。

编译器计算你输入的字符的数目，然后再加上一个 ‘0’ 的长度（是 1），就把你的字符串里的字符一个接一个写到内存某个地方，在最后加上 ‘0’ 这个字符串结束符，就像我们刚才用第一种方式自己一步步做的。

但是简便也有缺陷。我们会发现，对于字符数组来说，这种方法只能用于初始化，你在之后的程序中就不能再用这种方式来给整个数组赋值了，比如你不能这样：

char string[] = "Hello";
string = "nihao";   // --> 出错！

只能一个字符一个字符地改，例如：

string[0] = 'j';   // --> 可以！

但是问题又来了，对于用 char * 来声明的字符串，我们可以在之后整个重新赋值，但是不可以单独修改某个字符：

char *string = "Hello";
string = "nihao";   // --> 可以！

这样是可以的。但是如果修改其中的一个字符，就不可以：

string[1] = 'a'; // --> 出错！

很有意思吧。大家可以亲自动手试试。所以这里就引出了一个话题：

指针和数组根本就是两码事！

为什么会出现上述的情况呢？（请注意：下面的这块内容比较难，如果看不懂，也可以暂时跳过。不过建议测试一下给出的代码）。

那是因为：

1.

char stringArray[] = "Hello";

这样声明的是一个字符数组，里面的字符串是储存在内存的变量区，是在栈上，所以可以修改每个字符的内容，但是不可以通过数组名整体修改：

stringArray = "nihao";  // --> 出错！

只能一个个单独改：

stringArray[0] = 'a';  // --> 可以！

因为之前的课程里说过，stringArray 这个数组的名字表示的是数组首元素的首地址。

2.

char *stringPointer = "Hello";

这样声明的是一个指针，stringPointer 是指针的名字。指针变量在 32 位系统下，永远占 4 个 byte（字节）；在 64 位系统下，永远占 8 个 byte（字节）。其值为某一个内存的地址。

所以 stringPointer 里面只是存放了一个地址，这个地址上存放的字符串是常量字符串。这个常量字符串存放在内存的静态区，不可以更改。

和上面的字符数组情况不一样，上面的字符数组是本身存放了那一整个字符串。

stringPointer[0] = 'a';  // --> 出错！

但是可以改变 stringPointer 指针的指向：

stringPointer = "nihao";  // --> 可以！（因为可以修改指针指向哪里）

大家可以自己测试一下：

char *n1 = "it";
char *n2 = "it";

printf("%p\n%p\n", n1, n2);  // 用 %p 查看地址

会发现二者的结果是一样的，指向同一个地址！

再进一步测试（生命在于折腾 …）：

char *n1 = "it";
char *n2 = "it";
 
printf("%p\n%p\n", n1, n2);
 
n1 = "haha";
 
printf("%p\n%p\n", n1, n2);

你会发现以上程序，指针 n2 所指向的地址一直没变，而 n1 在经过

n1 = "haha";

之后，它所指向的地址就改变了。

经过上面地分析，可能很多朋友还是有点晕，特别是可能不太清楚内存各个区域的区别。

如果有兴趣深入探究，既可以自己去看相关的 C 语言书籍。也可以参考下表和一些解释，如果暂时不想把自己搞得更晕，可以跳过，以后讲到相关内容时自然更好理解。

一般情况下，一个可执行二进制程序（更确切的说，在 Linux 操作系统下为一个进程单元）在存储（没有调入到内存运行）时拥有 3 个部分，分别是代码段、数据段和 BSS 段。

这 3 个部分一起组成了该可执行程序的文件。

(1) 代码段（code segment / text segment）：存放 CPU 执行的机器指令。通常代码段是可共享的，这使得需要频繁被执行的程序只需要在内存中拥有一份拷贝即可。代码段也通常是只读的，这样可以防止其他程序意外地修改其指令。另外，代码段还规划了局部数据所申请的内存空间信息。
代码段通常是指用来存放程序执行代码的一块内存区域。这部分区域的大小在程序运行前就已经确定，并且内存区域通常属于只读，某些架构也允许代码段为可写，即允许修改程序。在代码段中，也有可能包含一些只读的常数变量，例如字符串常量等。

(2) 数据段（data segment）：或称全局初始化数据段 / 静态数据段 (initialized data segment / data segment)。该段包含了在程序中明确被初始化的全局变量、静态变量(包括全局静态变量和局部静态变量) 和常量数据。

(3) 未初始化数据段：也称 BSS（Block Started by Symbol）。该段存入的是全局未初始化变量、静态未初始化变量。

而当程序被加载到内存单元时，则需要另外两个域：栈和堆。

(4) 栈（stack）：存放函数的参数值、局部变量的值，以及在进行任务切换时存放当前任务的上下文内容。

(5) 堆（heap）：用于动态内存分配（之后的课程马上会讲到），就是使用 malloc / free 系列函数来管理的内存空间。

在将应用程序加载到内存空间执行时，操作系统负责代码段、数据段和 BSS 段的加载，并将在内存中为这些段分配空间。

栈也由操作系统分配和管理，而不需要程序员显式地管理；堆由程序员自己管理，即显式地申请和释放空间。

很多 C 语言的初学者搞不懂指针和数组到底有什么样的关系。

现在就告诉大家：指针和数组之间没有任何关系！它们是“清白”的 …

• 指针就是指针：指针变量在 32 位系统下，永远占 4 个 byte（字节）；在 64 位系统下，永远占 8 个 byte（字节）。其值为某一个内存的地址。指针可以指向任何地方，但不是任何地方你都能通过这个指针变量访问到。
• 数组就是数组：其大小与元素的类型和个数有关。定义数组时必须指定其元素的类型和个数。数组可以存任何类型的数据，但不能存函数。

推荐大家去看《C 语言深度解剖》这本只有 100 多页的 PDF，是国人写的，里面对于指针和数组分析得很全面。

不禁感叹，C 语言果然是博（xiang）大（dang）精（ke）深（pa）。

6. 从 scanf 函数取得一个字符串

我们可以用 scanf 函数获取用户输入的一个字符串，也要用到 %s 符号。

但是有一个问题：就是你不能知道用户究竟会输入多少字符。

假如我们的程序是问用户他的名字是什么。那么他可能回答 Tom，只有三个字符，或者 Bruce LI，就有 8 个字符了。

所以我们只能用一个足够大的数组来存储名字，例如 char[100]。你会说这样太浪费内存了，但是前面我们也说过了，目前的电脑一般不在乎这点内存。

所以我们的程序会是这样：

int main(int argc, char *argv[])
{char name[100];

    printf("请问您叫什么名字 ?");

    scanf("%s", name);

    printf("您好, %s, 很高兴认识您!\n", name);

    return 0;
}

运行程序：

请问您叫什么名字？Oscar
您好，Oscar，很高兴认识您！

7. 操纵字符串的一些常用函数

字符串在 C 语言里是很常用的。事实上，此刻你在电脑或手机屏幕上看到的这些单词、句子等，都是在电脑内存里的字符数组。

为了方便我们操纵字符串，C 语言的设计者们在 string 这个标准库中已经写好了很多函数，可供我们使用。

当然在这以前，需要在你的 .c 源文件中引入这个头文件：

#include <string.h>

下面我们就来介绍它们之中最常用的一些吧：

strlen：计算字符串的长度

strlen 函数返回一个字符串的长度（不包括 ‘0’）。

为什么名字是 strlen？其实很好记：

• str 是 string（表示“字符串”）的前三个字母。
• len 是 length（表示“长度”）的前三个字母。

因此，strlen 就是“字符串长度”。

函数原型是这样：

size_t strlen(const char* string);

注意：size_t 是一个特殊的类型，它意味着函数返回一个对应大小的数目。
不是像 int，char，long，double 之类的基本类型，而是一个被“创造”出来的类型。
在接下来的课程中我们就会学到如何创建自己的变量类型。
暂时说来，我们先满足于将 strlen 函数的返回值存到一个 int 变量里（电脑会把 size_t 自动转换成 int）。当然，严格来说应该用 size_t 类型，但是我们这里暂时不深究了。

函数的参数是 const char * 类型，之前的课程中我们学过，const（只读的变量）表明此类型的变量是不能被改变的，所以函数 strlen 并不会改变它的参数的值。

写个程序测试一下 strlen 函数：

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

int main(int argc, char *argv[])
{char string[] = "Hello";
    int stringLength = 0;

    // 将字符串的长度储存到 stringLength 中
    stringLength = strlen(string);

    printf("字符串 %s 中有 %d 个字符 \n", string, stringLength);

    return 0;
}

程序运行，显示：

字符串 Hello 中有 5 个字符

当然了，这个 strlen 函数，其实我们自己也可以很容易地实现。只需要用一个循环，从开始一直读入字符串中的字符，计算数目，一直读到 ‘0’ 字符结束循环。

我们就来实现我们自己的 strlen 函数好了：

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

int stringLength(const char *string);

int main(int argc, char *argv[])
{char string[] = "Hello";
    int length = 0;

    length = stringLength(string);

    printf("字符串 %s 中有 %d 个字符 \n", string, length);

    return 0;
}

int stringLength(const char *string)
{
    int charNumber = 0;
    char currentChar = 0;

    do
    {currentChar = string[charNumber];
        charNumber++;
    } while (currentChar != '\0');  // 我们做循环，直到遇到 '\0'，跳出循环

    charNumber--;  // 我们将 charNumber 减一，使其不包含 '\0' 的长度

    return charNumber;
}

程序输出：

字符串 Hello 中有 5 个字符

strcpy：把一个字符串的内容复制到另一个字符串里

为什么名字是 strcpy？其实很好记：

• str 是 string 的前三个字母。
• cpy 是 copy（表示“拷贝，复制”）的缩写。

因此，strcpy 就是“字符串拷贝”。

函数原型：

char* strcpy(char* targetString, const char* stringToCopy);

这个函数有两个参数：

• targetString：这是一个指向字符数组的指针，我们要复制字符串到这个字符数组里。
• stringToCopy：这是一个指向要被复制的字符串的指针。

函数返回一个指向 targetString 的指针，通常我们不需要获取这个返回值。

用以下程序测试此函数：

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

int main(int argc, char *argv[])
{
    /* 我们创建了一个字符数组 string，里面包含了几个字符。我们又创建了另一个字符数组 copy，包含 100 个字符，为了足够容纳拷贝过来的字符 */
    char string[] = "Hello", copy[100] = {0};

    strcpy(copy, string);  // 我们把 string 复制到 copy 中

    // 如果一切顺利，copy 的值应该和 string 是一样的
    printf("string 是 %s\n", string);
    printf("copy 是 %s\n", copy);

    return 0;
}

程序输出：

string 是 Hello
copy 是 Hello

如果我们的 copy 数组的长度小于 6，那么程序会出错，因为 string 的总长度是 6（最后有一个 ‘0’ 字符串结束符）。

strcpy 的原理图解如下：

strcat：连接两个字符串

为什么名字是 strcat？其实很好记：

• str 是 string 的前三个字母。
• cat 是 concatenate（表示“连结，使连锁”）的缩写。

因此，strcat 就是“字符串连结”。

strcat 函数的作用是连接两个字符串，就是把一个字符串接到另一个的结尾。

函数原型：

char* strcat(char* string1, const char* string2);

因为 string2 是 const 类型，所以我们就想到了，这个函数肯定是将 string2 的内容接到 string1 的结尾，改变了 string1 所指向的字符指针，然后返回指向 string1 所指字符数组的指针。

略微有点拗口，但不难理解吧。

写个程序测试一下：

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

int main(int argc, char *argv[])
{
    /* 我们创建了两个字符串，字符数组 string1 需要足够长，因为我们要将 string2 的内容接到其后 */
    char string1[100] = "Hello", string2[] = "Oscar!";

    strcat(string1, string2);  // 将 string2 接到 string1 后面

    // 如果一切顺利，那么 string1 的值应该会变为 "Hello Oscar!"
    printf("string1 是 %s\n", string1);

    // string2 没有变
    printf("string2 始终是 %s\n", string2);

    return 0;
}

程序输出：

string1 是 Hello Oscar!
string2 始终是 Oscar!

strcat 的原理如下：

当 strcat 函数将 string2 连接到 string1 的尾部时，它需要先删去 string1 字符串最后的 ‘0’。

strcmp：比较两个字符串

为什么名字是 strcmp？其实很好记：

• str 是 string 的前三个字母。
• cmp 是 compare（英语“比较”）的缩写。

因此，strcmp 就是“字符串比较”。

函数原型：

int strcmp(const char* string1, const char* string2);

可以看到，strcmp 函数不能改变参数 string1 和 string2，因为它们都是 const 类型。

这次，函数的返回值有用了。strcmp 返回：

• 0：当两个字符串相等时。
• 非零的整数（负数或正数）：当两个字符串不等时。

用以下程序测试 strcmp 函数：

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

int main(int argc, char *argv[])
{char string1[] = "Text of test", string2[] = "Text of test";

    if (strcmp(string1, string2) == 0) // 如果两个字符串相等
    {printf("两个字符串相等 \n");
    }
    else
    {printf("两个字符串不相等 \n");
    }

    return 0;
}

程序输出：

两个字符串相等

sprintf：向一个字符串写入

当然，这个函数其实不是在 string.h 这个头文件里，而是在 stdio.h 头文件里。但是它也与字符串的操作有关，所以我们也介绍一下，而且这个函数是很常用的。

看到 sprintf 函数的名字，大家是否想到了 printf 函数呢？

printf 函数是向标准输出（一般是屏幕）写入东西，而 sprintf 是向一个字符串写入东西。最前面的 s 就是英语 string 的首字母。

写个程序测试一下此函数：

#include <stdio.h>

int main(int argc, char *argv[])
{char string[100];
    int age = 18;

    // 我们向 string 里写入 "你 18 岁了"
    sprintf(string, "你 %d 岁了", age);

    printf("%s\n", string);

    return 0;
}

程序输出：

你 18 岁了

其他常用的还有一些函数，如 strstr（在字符串中查找一个子串），strchr（在字符串里查找一个字符），等等，我们就不一一介绍了。

8. 总结

1. 电脑不认识字符，它只认识数字（0 和 1）。为了解决这个问题，计算机先驱们用一个表格规定了字符与数值的对应关系，最常用的是 ASCII 表和 Unicode 表。
2. 字符类型 char 用来存储一个字符，且只能存储一个字符。实际上存储的是一个数值，但是电脑会在显示时将其转换成对应的字符。
3. 为了创建一个词或一句话，我们需要构建一个字符串，我们用字符数组来实现。
4. 所有的字符串都是以 ‘0’ 结尾，这个特殊的字符 ‘0’ 标志着字符串的结束。
5. 在 string 这个 C 语言标准库中，有很多操纵字符串的函数，只需要引入头文件 string.h 即可。

9. 第二部分第五课预告

今天的课就到这里，一起加油咯。

下一课：C 语言探索之旅 | 第二部分第五课：预处理

我是 谢恩铭，公众号「程序员联盟」（微信号：coderhub）运营者，慕课网精英讲师 Oscar 老师，终生学习者。
热爱生活，喜欢游泳，略懂烹饪。
人生格言：「向着标杆直跑」