标签：mov指令 经典 cin proc 初始化 静态 好的 程序 memset
https://coolshell.cn/articles/11377.html
单看这文章的标题，你可能会觉得好像没什么意思。你先别下这个结论，相信这篇文章会对你理解C语言有帮助。这篇文章产生的背景是在微博上，看到@Laruence同学出了一个关于C语言的题，微博链接。微博截图如下。我觉得好多人对这段代码的理解还不够深入，所以写下了这篇文章。
为了方便你把代码copy过去编译和调试，我把代码列在下面：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
#include <stdio.h>struct str{ int len; char s[0];};struct foo { struct str *a;};int main(int argc, char** argv) { struct foo f={0}; if (f.a->s) { printf( f.a->s); } return 0;} |
你编译一下上面的代码，在VC++和GCC下都会在14行的printf处crash掉你的程序。@Laruence 说这个是个经典的坑，我觉得这怎么会是经典的坑呢？上面这代码，你一定会问，为什么if语句判断的不是f.a？而是f.a里面的数组？写这样代码的人脑子里在想什么？还是用这样的代码来玩票？不管怎么样，看过原微博的回复，我个人觉得大家主要还是对C语言理解不深，如果这算坑的话，那么全都是坑。
接下来，你调试一下，或是你把14行的printf语句改成：
|
1
|
printf("%x\n", f.a->s); |
你会看到程序不crash了。程序输出：4。 这下你知道了，访问0x4的内存地址，不crash才怪。于是，你一定会有如下的问题：
1）为什么不是 13行if语句出错？f.a被初始化为空了嘛，用空指针访问成员变量为什么不crash？
2）为什么会访问到了0x4的地址？靠，4是怎么出来的？
3）代码中的第4行，char s[0] 是个什么东西？零长度的数组？为什么要这样玩？
让我们从基础开始一点一点地来解释C语言中这些诡异的问题。
首先，我们需要知道——所谓变量，其实是内存地址的一个抽像名字罢了。在静态编译的程序中，所有的变量名都会在编译时被转成内存地址。机器是不知道我们取的名字的，只知道地址。
所以有了——栈内存区，堆内存区，静态内存区，常量内存区，我们代码中的所有变量都会被编译器预先放到这些内存区中。
有了上面这个基础，我们来看一下结构体中的成员的地址是什么？我们先简单化一下代码：
|
1
2
3
4
|
struct test{ int i; char *p;}; |
上面代码中，test结构中i和p指针，在C的编译器中保存的是相对地址——也就是说，他们的地址是相对于struct test的实例的。如果我们有这样的代码：
|
1
|
struct test t; |
我们用gdb跟进去，对于实例t，我们可以看到：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
# t实例中的p就是一个野指针(gdb) p t$1 = {i = 0, c = 0 ‘\000‘, d = 0 ‘\000‘, p = 0x4003e0 "1\355I\211\..."}# 输出t的地址(gdb) p &t$2 = (struct test *) 0x7fffffffe5f0#输出(t.i)的地址(gdb) p &(t.i)$3 = (char **) 0x7fffffffe5f0#输出(t.p)的地址(gdb) p &(t.p)$4 = (char **) 0x7fffffffe5f4 |
我们可以看到，t.i的地址和t的地址是一样的，t.p的址址相对于t的地址多了个4。说白了，t.i 其实就是(&t + 0x0), t.p 的其实就是 (&t + 0x4)。0x0和0x4这个偏移地址就是成员i和p在编译时就被编译器给hard code了的地址。于是，你就知道，不管结构体的实例是什么——访问其成员其实就是加成员的偏移量。
下面我们来做个实验：
|
1
2
3
4
5
6
7
8
9
10
|
struct test{ int i; short c; char *p;};int main(){ struct test *pt=NULL; return 0;} |
编译后，我们用gdb调试一下，当初始化pt后，我们看看如下的调试：（我们可以看到就算是pt为NULL，访问其中的成员时，其实就是在访问相对于pt的内址）
|
1
2
3
4
5
6
7
8
|
(gdb) p pt$1 = (struct test *) 0x0(gdb) p pt->iCannot access memory at address 0x0(gdb) p pt->cCannot access memory at address 0x4(gdb) p pt->pCannot access memory at address 0x8 |
注意：上面的pt->p的偏移之所以是0x8而不是0x6，是因为内存对齐了（我在64位系统上）。关于内存对齐，可参看《深入理解C语言》一文。
好了，现在你知道为什么原题中会访问到了0x4的地址了吧，因为是相对地址。
相对地址有很好多处，其可以玩出一些有意思的编程技巧，比如把C搞出面向对象式的感觉来，你可以参看我正好11年前的文章《用C写面向对像的程序》（用指针类型强转的危险玩法——相对于C++来说，C++编译器帮你管了继承和虚函数表，语义也清楚了很多）
有了上面的基础后，你把源代码中的struct str结构体中的char s[0];改成char *s;试试看，你会发现，在13行if条件的时候，程序因为Cannot access memory就直接挂掉了。为什么声明成char s[0]，程序会在14行挂掉，而声明成char *s，程序会在13行挂掉呢？那么char *s 和 char s[0]有什么差别呢？
在说明这个事之前，有必要看一下汇编代码，用GDB查看后发现：
lea全称load effective address，是把地址放进去，而mov则是把地址里的内容放进去。所以，就crash了。
从这里，我们可以看到，访问成员数组名其实得到的是数组的相对地址，而访问成员指针其实是相对地址里的内容（这和访问其它非指针或数组的变量是一样的）
换句话说，对于数组 char s[10]来说，数组名 s 和 &s 都是一样的（不信你可以自己写个程序试试）。在我们这个例子中，也就是说，都表示了偏移后的地址。这样，如果我们访问 指针的地址（或是成员变量的地址），那么也就不会让程序挂掉了。
正如下面的代码，可以运行一点也不会crash掉（你汇编一下你会看到用的都是lea指令）：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
struct test{ int i; short c; char *p; char s[10];};int main(){ struct test *pt=NULL; printf("&s = %x\n", pt->s); //等价于 printf("%x\n", &(pt->s) ); printf("&i = %x\n", &pt->i); //因为操作符优先级，我没有写成&(pt->i) printf("&c = %x\n", &pt->c); printf("&p = %x\n", &pt->p); return 0;} |
看到这里，你觉得这能算坑吗？不要出什么事都去怪语言，大家要想想是不是问题出在自己身上。
首先，我们要知道，0长度的数组在ISO C和C++的规格说明书中是不允许的。这也就是为什么在VC++2012下编译你会得到一个警告：“arning C4200: 使用了非标准扩展 : 结构/联合中的零大小数组”。
那么为什么gcc可以通过而连一个警告都没有？那是因为gcc 为了预先支持C99的这种玩法，所以，让“零长度数组”这种玩法合法了。关于GCC对于这个事的文档在这里：“Arrays of Length Zero”，文档中给了一个例子（我改了一下，改成可以运行的了）：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
#include <stdlib.h>#include <string.h>struct line { int length; char contents[0]; // C99的玩法是：char contents[]; 没有指定数组长度};int main(){ int this_length=10; struct line *thisline = (struct line *) malloc (sizeof (struct line) + this_length); thisline->length = this_length; memset(thisline->contents, ‘a‘, this_length); return 0;} |
上面这段代码的意思是：我想分配一个不定长的数组，于是我有一个结构体，其中有两个成员，一个是length，代表数组的长度，一个是contents，代码数组的内容。后面代码里的 this_length（长度是10）代表是我想分配的数据的长度。（这看上去是不是像一个C++的类？）这种玩法英文叫：Flexible Array，中文翻译叫：柔性数组。
我们来用gdb看一下：
|
1
2
3
4
5
6
7
8
|
(gdb) p thisline$1 = (struct line *) 0x601010(gdb) p *thisline$2 = {length = 10, contents = 0x601010 "\n"}(gdb) p thisline->contents$3 = 0x601014 "aaaaaaaaaa" |
我们可以看到：在输出*thisline时，我们发现其中的成员变量contents的地址居然和thisline是一样的（偏移量为0x0??!!）。但是当我们输出thisline->contents的时候，你又发现contents的地址是被offset了0x4了的，内容也变成了10个‘a’。（我觉得这是一个GDB的bug，VC++的调试器就能很好的显示）
我们继续，如果你sizeof(char[0])或是 sizeof(int[0]) 之类的零长度数组，你会发现sizeof返回了0，这就是说，零长度的数组是存在于结构体内的，但是不占结构体的size。你可以简单的理解为一个没有内容的占位标识，直到我们给结构体分配了内存，这个占位标识才变成了一个有长度的数组。
看到这里，你会说，为什么要这样搞啊，把contents声明成一个指针，然后为它再分配一下内存不行么？就像下面一样。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
struct line { int length; char *contents;};int main(){ int this_length=10; struct line *thisline = (struct line *)malloc (sizeof (struct line)); thisline->contents = (char*) malloc( sizeof(char) * this_length ); thisline->length = this_length; memset(thisline->contents, ‘a‘, this_length); return 0;} |
这不一样清楚吗？而且也没什么怪异难懂的东西。是的，这也是普遍的编程方式，代码是很清晰，也让人很容易理解。即然这样，那为什么要搞一个零长度的数组？有毛意义？！
这个事情出来的原因是——我们想给一个结构体内的数据分配一个连续的内存！这样做的意义有两个好处：
第一个意义是，方便内存释放。如果我们的代码是在一个给别人用的函数中，你在里面做了二次内存分配，并把整个结构体返回给用户。用户调用free可以释放结构体，但是用户并不知道这个结构体内的成员也需要free，所以你不能指望用户来发现这个事。所以，如果我们把结构体的内存以及其成员要的内存一次性分配好了，并返回给用户一个结构体指针，用户做一次free就可以把所有的内存也给释放掉。（读到这里，你一定会觉得C++的封闭中的析构函数会让这事容易和干净很多）
第二个原因是，这样有利于访问速度。连续的内存有益于提高访问速度，也有益于减少内存碎片。（其实，我个人觉得也没多高了，反正你跑不了要用做偏移量的加法来寻址）
我们来看看是怎么个连续的，用gdb的x命令来查看：(我们知道，用struct line {}中的那个char contents[]不占用结构体的内存，所以，struct line就只有一个int成员，4个字节，而我们还要为contents[]分配10个字节长度，所以，一共是14个字节)
|
1
2
3
|
(gdb) x /14b thisline0x601010: 10 0 0 0 97 97 97 970x601018: 97 97 97 97 97 97 |
从上面的内存布局我们可以看到，前4个字节是 int length，后10个字节就是char contents[]。
如果用指针的话，会变成这个样子：
|
1
2
3
4
5
6
|
(gdb) x /16b thisline0x601010: 1 0 0 0 0 0 0 00x601018: 32 16 96 0 0 0 0 0(gdb) x /10b this->contents0x601020: 97 97 97 97 97 97 97 970x601028: 97 97 |
上面一共输出了四行内存，其中，
从这里，我们看到，其中的差别——数组的原地就是内容，而指针的那里保存的是内容的地址。
好了，我的文章到这里就结束了。但是，请允许我再唠叨两句。
1）看过这篇文章，你觉得C复杂吗？我觉得并不简单。某些地方的复杂程度不亚于C++。
2）那些学不好C++的人一定是连C都学不好的人。连C都没学好，你们根本没有资格鄙视C++。
3）当你们在说有坑的时候，你得问一下自己，是真有坑还是自己的学习能力上出了问题。
如果你觉得你的C语言还不错，欢迎你看看《C语言的谜题》还有《谁说C语言很简单？》还有《语言的歧义》以及《深入理解C语言》一文。
（全文完）
标签：mov指令 经典 cin proc 初始化 静态 好的 程序 memset
原文地址：https://www.cnblogs.com/focus-z/p/11397340.html
