这一篇分析字符串，字符串经常被使用，但是它的秘密也不少：
一、字符串的存储位置
C源程序（string1.c）：
#include <stdio.h>
int main()
{
puts("Hello, World!");
return 0;
}
我们直接看可执行文件的反汇编结果：
[lqy@localhost temp]$ gcc -o string1 string1.c
[lqy@localhost temp]$ ./string1
Hello, World!
[lqy@localhost temp]$ objdump -s -d string1 > string1.txt
[lqy@localhost temp]$
string1.txt 中的部分内容如下：
Contents of section .rodata:
8048488 03000000 01000200 00000000 48656c6c ............Hell
8048498 6f2c2057 6f726c64 2100 o, World!.
...
080483b4 <main>:
80483b4: 55 push %ebp
80483b5: 89 e5 mov %esp,%ebp
80483b7: 83 e4 f0 and $0xfffffff0,%esp
80483ba: 83 ec 10 sub $0x10,%esp
80483bd: c7 04 24 94 84 04 08 movl $0x8048494,(%esp)
80483c4: e8 27 ff ff ff call 80482f0 puts@plt
80483c9: b8 00 00 00 00 mov $0x0,%eax
80483ce: c9 leave
80483cf: c3 ret
可见 0x8048494 应该是 "Hello, World!" 的地址，然后发现在 .rodata 段中 0x8048488 + 12 处正好存储着 "Hello, World!" 的各个字符的ASCII码：'H' 的 <a target="_blank" href="http://www.asciitable.com/">ASCII码</a>是 0x48，而感叹号 '!' 的 <a target="_blank" href="http://www.asciitable.com/">ASCII码</a> 码是 0x21，最后编译器还自动的为我们添了个字符串结束符 0x00：只要是双引号括起来的字符串，编译器都会自动的为我们加结束符。
由此我们发现：
字符串和全局变量一样做为静态数据存储在可执行文件中，在使用的时候用常量地址来访问。
但是字符串被放在了 .rodata 段中，这个段中的数据与 .text 段（代码段）中的数据一样在可执行文件被载入内存运行时都是只读的（这里的只读是通过分页管理实现的：在页表表项中有一个位，设置为 1 表示该页可写，设置为 0 表示该页只读；如果试图向只读的页中写入数据，CPU 就会触发页保护异常）。
所以源字符串中的任何字符都不能在程序运行时更改。
二、字符串指针 和 字符数组
C源程序（string2.c）：
#include <stdio.h>
int main()
{
char *s1 = "1234567";
char s2[]= "1234567";
puts(s1);
puts(s2);
return 0;
}
可执行文件的反汇编结果的赋值部分如下：
80483bd: c7 44 24 1c c4 84 04 movl $0x80484c4,0x1c(%esp)
80483c4: 08
80483c5: a1 c4 84 04 08 mov 0x80484c4,%eax
80483ca: 8b 15 c8 84 04 08 mov 0x80484c8,%edx
80483d0: 89 44 24 14 mov %eax,0x14(%esp)
80483d4: 89 54 24 18 mov %edx,0x18(%esp)
0x80484c4 是字符串"1234567"的地址，所以：常量字符串赋值给指针时传递的是源字符串的地址；而赋值给局部字符数组时，要当成数字一个个拷贝到局部变量空间。因此第2种方式既浪费空间（4字节 vs 8字节）又浪费时间（1个mov vs 4个mov）。
但是第2种方式也不是一无是处：第1种方式传递的是源字符串的地址，而源字符串在只读页中，无法修改，但是字符数组却可以修改。
经验：如果程序中本来就没想改动该字符串，那就用指针吧；否则用 字符数组 或 动态申请的空间 来存。
三、格式描述符 和 转义符
这个部分，我们来看看字符串中格式描述符和转义符的来龙去脉，C源程序（string3.c）：
#include <stdio.h>
int main()
{
printf("--------\n%d\n", 123);
return 0;
}
汇编源文件中
gcc -S string3.c
结果如下：
.LC0:
.string "--------\n%d\n"
目标文件中
gcc -c string3.c
objdump -s -d string3.o > string3.txt
-c 默认输出到 string3.o 文件中，string3.txt 中的字符串：
Contents of section .rodata:
0000 2d2d2d2d 2d2d2d2d 0a25640a 00 --------.%d..
两个'\n'被替换成了 0x0a，%d 没变
可执行文件中
gcc -o string3 string3.c
objdump -s -d string3 > string3.txt
可执行文件跟目标文件一样：
Contents of section .rodata:
80484a8 03000000 01000200 00000000 2d2d2d2d ............----
80484b8 2d2d2d2d 0a25640a 00 ----.%d..
所以我们知道了：转义符在变成二进制文件后就被转义为我们想表达的那个字符了，而格式描述符自然是要留给 printf 运行时用的。
知道这个有什么用？如果我们来设计 printf 函数，那么转义字符我们就不用操心了，编译器会把它们转义过去的。
出差必备
买火车票、高铁票、机票，订酒店都打9折的出行工具TRIP,点击注册
网友评论