系列文章目录
文章目录
- 系列文章目录
- 前言
- 为什么学习string类
- C语言中的字符串
- ASCII
- Unicode
- **UTF-8**
- UTF-16
- UTF-32
- GBK
- 标准库中的string类
- string类
- 总结
- string类的常用接口说明
- 1. string类对象的常见构造
- 2. string类对象的容量操作
- 3. string类对象的访问及遍历操作
- 4. string类对象的修改操作
- 5. string类非成员函数
- 6. string类对象的字符串的转换(在C++11适用)
- vs和g++下string结构的说明
- vs下string的结构
- g++下string的结构
前言
string是字符序列的类
C++文档
为什么学习string类
C语言中的字符串
C语言中,字符串是以’\0’结尾的一些字符的集合,为了操作方便,C标准库中提供了一些str系列的库函数,但是这些库函数与字符串是分离开的,不太符合OOP的思想,而且底层空间需要用户自己管理,稍不留神可能还会越界访问。
ASCII
ASCII (American Standard Code for Information Interchange):美国信息交换标准代码是基于拉丁字母的一套电脑编码系统,主要用于显示现代英语和其他西欧语言。它是最通用的信息交换标准,并等同于国际标准ISO/IEC 646。ASCII第一次以规范标准的类型发表是在1967年,最后一次更新则是在1986年,到目前为止共定义了128个字符。
**在计算机中存储和显示英语信息
26个大小写字母、数字、标点符号
建立一个符号和编码对应关系的映射表
用一个字节的大小存储7位编码,最高位不用,一个符号→一个字节**
int main()
{
char str1[] = "apple";
char str2[] = "好好";
cout << sizeof(str1) << endl;
cout << sizeof(str2) << endl;
return 0;
}
int main()
{
char str2[] = "好好";
cout << sizeof(str2) << endl;
str2[3]--;
cout << str2 << endl;
str2[3]--;
cout << str2 << endl;
str2[3]++;
cout << str2 << endl;
str2[3]++;
cout << str2 << endl;
return 0;
}
Unicode
统一码(Unicode),也叫万国码、单一码,由统一码联盟开发,是计算机科学领域里的一项业界标准,包括字符集、编码方案等。
统一码是为了解决传统的字符编码方案的局限而产生的,它为每种语言中的每个字符设定了统一并且唯一的二进制编码,以满足跨语言、跨平台进行文本转换、处理的要求。
UTF-8
UTF-8的特点是对不同范围的字符使用不同长度的编码。对于0x00-0x7F之间的字符,UTF-8编码与ASCII编码完全相同。UTF-8编码的最大长度是4个字节。从上表可以看出,4字节模板有21个x,即可以容纳21位二进制数字。统一码的最大码位0x10FFFF也只有21位。
UTF-16
UTF-16编码以16位无符号整数为单位。我们把统一码编码记作U。
UTF-32
UTF-32编码以32位无符号整数为单位。统一码的UTF-32编码就是其对应的32位无符号整数。
GBK
GBK全称《汉字内码扩展规范》(GBK即“国标”、“扩展”汉语拼音的第一个字母,英文名称:Chinese Internal Code Specification)。
GBK 亦采用双字节表示,总体编码范围为 8140-FEFE,首字节在 81-FE 之间,尾字节在 40-FE 之间,剔除 xx7F 一条线。总计 23940 个码位,共收入 21886 个汉字和图形符号,其中汉字(包括部首和构件)21003 个,图形符号 883 个。
标准库中的string类
string类
- 字符串是表示字符序列的类
- 标准的字符串类提供了对此类对象的支持,其接口类似于标准字符容器的接口,但添加了专门用于操作单字节字符字符串的设计特性。
- string类是使用char(即作为它的字符类型,使用它的默认char_traits和分配器类型
- string类是basic_string模板类的一个实例,它使用char来实例化basic_string模板类,并用char_traits和allocator作为basic_string的默认参数
- 注意,这个类独立于所使用的编码来处理字节:如果用来处理多字节或变长字符(如UTF-8)的序列,这个类的所有成员(如长度或大小)以及它的迭代器,将仍然按照字节(而不是实际编码的字符)来操作。
string类的文档
string类用utf-8编码,按单字节处理
u16string用utf-16编码
u32string用utf-32编码
wstring类按两字节处理
编码:
计算机中存储只有二进制0、1,用对应的ASCII表来表示文字(支持英文的)其中ASCII表是对256个值建立一个对应的表示值
在早期只有欧美国家使用计算机(早期的计算机中只能表示英文,不能表示其他国家的文字),后来全世界各个国家都开始用计算机了,需要建立自己的编码表
在Linux中常用utf-8、utf-16、utf-32
在Windows中常用gbk
总结
-
string是表示字符串的字符串类
-
该类的接口与常规容器的接口基本相同,再添加了一些专门用来操作string的常规操作。
-
string在底层实际是:basic_string模板类的别名,typedef basic_string<char, char_traits, allocator>string;
-
不能操作多字节或者变长字符的序列。
-
在使用string类时,必须包含#include头文件以及using namespace std;
string类的常用接口说明
string类的常用接口
1. string类对象的常见构造
(constructor)函数名称 | 功能说明 |
---|---|
string() (重点) | 构造空的string类对象,即空字符串 |
string(const char* s) (重点) | 用C-string来构造string类对象 |
string(size_t n, char c) | string类对象中包含n个字符c |
string(const string&s) (重点) | 拷贝构造函数 |
void Teststring()
{
string s1; // 构造空的string类对象s1
string s2("hello bit"); // 用C格式字符串构造string类对象s2
string s3(s2); // 拷贝构造s3
}
2. string类对象的容量操作
函数名称 | 功能说明 |
---|---|
size(重点) | 返回字符串有效字符长度 |
length | 返回字符串有效字符长度 |
capacity | 返回空间总大小,但不包含’\0’ |
empty (重点) | 检测字符串释放为空串,是返回true,否则返回false |
clear (重点) | 清空有效字符 |
reserve (重点) | 为字符串提前预留空间 |
resize (重点) | 将有效字符的个数该成n个,多出的空间用字符c填充 |
注意:
1. size()与length()方法底层实现原理完全相同,引入size()的原因是为了与其他容器的接口保持一致,一般情况下基本都是用size()。
2. clear()只是将string中有效字符清空,不改变底层空间大小。
3. resize(size_t n) 与 resize(size_t n, char c)都是将字符串中有效字符个数改变到n个,不同的是当字符个数增多时:resize(n)用0来填充多出的元素空间,resize(size_t n, char c)用字符c来填充多出的元素空间。
注意:resize在改变元素个数时,如果是将元素个数增多,可能会改变底层容量的大小,如果是将元素个数减少,底层空间总大小不变。
4. reserve(size_t res_arg=0):为string预留空间,不改变有效元素个数,当reserve的参数小于string的底层空间总大小时,reserver不会改变容量大小。
5. 在Windows中容量是以大约1.5倍增容的,在Linux中容量是以大约2倍增容的
6. reserve的作用:如果知道需要多少空间,直接一次性开好,避免增容,提高效率
7. resize的作用:既能开好空间,又能对这些空间初始化
string容量相关方法使用代码演示
3. string类对象的访问及遍历操作
函数名称 | 功能说明 |
---|---|
operator[] (重 点) | 返回pos位置的字符,const string类对象调用 |
begin+ end | begin获取一个字符的迭代器 + end获取最后一个字符下一个位置(‘\0’)的迭代器 |
rbegin + rend | rbegin获取最后一个字符的迭代器 + rend获取开头一个字符前一个位置的迭代器 |
范围for | C++11支持更简洁的范围for的新遍历方式,底层是用迭代器 |
string中元素访问及遍历代码演示
int main()
{
string s1("hello world");
string::iterator it = s1.begin();
//正向迭代器
while (it != s1.end())
{
cout << *it << " ";
it++;
}
string::reverse_iterator rit = s1.rbegin();
//反向迭代器
while (rit != s1.rend())
{
cout << *rit << " ";
rit++;
//都是++
}
for (auto ch : s1)
{
cout << ch << " ";
}
cout << endl;
return 0;
}
void Func1(const string& s)
{
//遍历和读容器的数据,不能写
//string::const_iterator it = s.cbegin();
auto it = s.cbegin();
//静态正向迭代器
while (it != s.end())
{
cout << *it << " ";
it++;
}
cout << endl;
}
void Func2(const string& s)
{
//string::const_reverse_iterator it = s.crbegin();
auto it = s.crbegin();
//静态反向迭代器
while (it != s.rend())
{
cout << *it << " ";
it++;
}
cout << endl;
}
int main()
{
string s1("hello world");
string::iterator it = s1.begin();
//iterator 迭代器 是属于类的一种类型
while (it != s1.end())
{
cout << *it << " ";
it++;
}
for (auto ch : s1)
{
cout << ch << " ";
}
Func1();
Func2();
cout << endl;
return 0;
}
总结:
迭代器是一个行为像指针的东西,有可能是指针,也有可能不是指针
迭代器可以用统一类似的方式去访问修改容器
begin()返回的是第一个有效数据位置的迭代器,end()返回的是最后一个有效数据的下一个位置的迭代器
rbegin()返回的是最后个有效数据位置的迭代器,rend()返回的是第一个有效数据的前一个位置的迭代器
所有的容器都支持用迭代器,所以迭代器才是容器通用的访问方式(vector/string这样的结构支持下标+[]去访问,而像list、map这样的就不支持了),虽然迭代器在所有数据结构都是可以使用的,但[]+下标指适用顺序表。
const对象要用const迭代器,只读,不能写
operator[]和at的区别:operator[]如果发生越界访问会报断言错误(assert),而at会报异常(需要捕获异常)
4. string类对象的修改操作
函数名称 | 功能说明 |
---|---|
push_back | 在字符串后尾插字符c |
append | 在字符串后追加一个字符串 |
operator+= (重点) | 在字符串后追加字符串str |
c_str(重点) | 返回C格式字符串 |
find + npos(重点) | 从字符串pos位置开始往后找字符c,返回该字符在字符串中的位置 |
rfind | 从字符串pos位置开始往前找字符c,返回该字符在字符串中的位置 |
substr | 在str中从pos位置开始,截取n个字符,然后将其返回 |
string中插入和查找等使用代码演示
注意:
1. 在string尾部追加字符时,s.push_back© / s.append(1, c) / s += 'c’三种的实现方式差不多,一般情况下string类的+=操作用的比较多,+=操作不仅可以连接单个字符,还可以连接字符串。
2. 对string操作时,如果能够大概预估到放多少字符,可以先通过reserve把空间预留好。
int main()
{
string s1("world");
s1.insert(0, "hello");
//不推荐使用insert,效率低
//s1.insert(5, 1, ' ');
//s1.insert(5, " ");
string::iterator it = s1.begin();
s1.insert(it+5, ' ');
cout << s1 << endl;
return 0;
}
int main()
{
//不推荐使用erase,效率低
string s1("hello world");
//s1.erase(5, 1);
string::iterator it = s1.begin();
//s1.erase(it + 5);
//s1.erase(5);
s1.erase(5, 6);
cout << s1 << endl;
}
int main()
{
//string s1("hello world");
//s1.replace(5, 1, "%%d");//扩容+移动数据
//cout << s1 << endl;、
string s1("hello world i love you");
size_t num = 0;
for (auto ch : s1)
{
if (ch == ' ')
{
num++;
}
}
//提前开空间,避免replace时扩容
s1.reserve(2* num + s1.size());
size_t pos = s1.find(' ');
while(pos != string::npos)
{
s1.replace(pos, 1, "%20");
pos = s1.find(' ', pos + 3);
}
cout << s1 << endl;
}
//空间换时间
int main()
{
string s1("hello world i love you");
string newStr;
size_t num = 0;
for (auto ch : s1)
{
if (ch == ' ')
{
num++;
}
}
//提前开空间,避免replace时扩容
s1.reserve(2* num + s1.size());
for (auto ch : s1)
{
if (ch != ' ')
newStr += ch;
else
newStr += "%20";
}
s1 = newStr;
cout << newStr << endl;
}
int main()
{
string s1("xxx");
string s2("yyy");
s1.swap(s2);
cout << s1 << endl;
cout << s2 << endl;
swap(s1, s2);
cout << s1 << endl;
cout << s2 << endl;
}
5. string类非成员函数
函数 | 功能说明 |
---|---|
operator+ | 尽量少用,因为传值返回,导致深拷贝效率低 |
operator>> (重点) | 输入运算符重载 |
operator<< (重点) | 输出运算符重载 |
getline (重点) | 获取一行字符串 |
relational operators (重点) | 大小比较 |
cin遇到空格和换行就会分割(或结束),而getline遇到空格不会分割(或结束)遇到换行才分割(或结束)
6. string类对象的字符串的转换(在C++11适用)
vs和g++下string结构的说明
注意:下述结构是在32位平台下进行验证,32位平台下指针占4个字节.
vs下string的结构
string总共占28个字节,内部结构稍微复杂一点,先是有一个联合体,联合体用来定义string中字符串的存储空间:
-
当字符串长度小于16时,使用内部固定的字符数组来存放
-
当字符串长度大于等于16时,从堆上开辟空间
union _Bxty
{ // storage for small buffer or pointer to larger one
value_type _Buf[_BUF_SIZE];
pointer _Ptr;
char _Alias[_BUF_SIZE]; // to permit aliasing
} _Bx;
这种设计也是有一定道理的,大多数情况下字符串的长度都小于16,那string对象创建好之后,内部已经有了16个字符数组的固定空间,不需要通过堆创建,效率高。
其次:还有一个size_t字段保存字符串长度,一个size_t字段保存从堆上开辟空间总的容量最后:还有一个指针做一些其他事情。
故总共占16+4+4+4=28个字节。
g++下string的结构
G++下,string是通过写时拷贝实现的,string对象总共占4个字节,内部只包含了一个指针,该指针将来指向一块堆空间,内部包含了如下字段:
-
空间总大小
-
字符串有效长度
-
引用计数
struct _Rep_base
{
size_type _M_length;
size_type _M_capacity;
_Atomic_word _M_refcount;
};
- 指向堆空间的指针,用来存储字符串