C++ STL string类全面指南：从编码历史到实战应用

前言

大家好啊，我是云泽Q，欢迎阅读我的文章，一名热爱计算机技术的在校大学生，喜欢在课余时间做一些计算机技术的总结性文章，希望我的文章能为你解答困惑~

一、什么是STL

STL(standard template libaray - 标准模板库)：是C++标准库的重要组成部分，不仅是一个可复用的组件库，而且是一个包罗数据结构与算法的软件框架

二、STL的版本

C++语言在1994年已经趋于成熟，但第一个官方大版本直到1998年才正式发布。这其中的一个关键原因是STL（标准模板库）的出现。原始STL版本由Alexander Stepanov和Meng Lee在惠普实验室（HP版本）开发，本着开源精神，允许自由使用和修改。但为了将STL纳入C++标准库，并确保其稳定性，C++标准委员会花费了时间进行整合和改进，因此发布推迟了4年，最终在1998年将STL作为C++标准库的核心部分。

随着STL的普及，多个衍生版本应运而生，并被不同编译器采用：

• P.J.版本由P.J. Plauger开发，继承自HP版本，被Windows Visual C++采用，但因其封闭性和可读性较低，主要局限于Windows平台。
• RW版本由Rouge Wage公司开发，同样源于HP版本，被C++ Builder采用，但也不可公开修改。C++ Builder这类编译器在与微软Visual Studio的竞争中逐渐销声匿迹，反映了当时编译器市场的变迁。
• SGI版本由Silicon Graphics公司开发，同样基于HP版本，被GCC（GNU编译器集合）采用，尤其在Linux系统中广泛使用。GCC通常被视为G++的统称，而G++是GCC中用于C++编译的组件。SGI版本的可移植性和可读性高，成为学习STL源代码的重要参考。

总之，STL的发展不仅影响了C++标准的发布时机，也通过不同版本的集成推动了编译器的演化，其中GCC（通过SGI版本）在开源领域占据了重要地位。

三、STL的六大组件

STL在实践的过程中被分为六大组件（类别）

在这里插入图片描述

四、为什么学习string类

4.1 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

在OJ中，有关字符串的题目基本以string类的形式出现，而且在常规工作中，为了简单、方便、快捷，基本都使用string类，很少有人去使用C库中的字符串操作函数

五、标准库中的string类

5.1 string类的历史地位与STL关系

在使用string类时，必须包含#include头文件以及using namespace std;

在这里插入图片描述

可以看到string不在容器之中，严格来说string不在STL库中，它在C++相关的标准库部分

在这里插入图片描述

有兄弟就说不对呀？前面不是把string归类到STL容器里了吗？

这其中有一些历史的发展原因，因为string产生的比STL早，C++标准委员会创建的string类就在标准库中，其后STL这些容器的设计也参考了string的设计，这里string的归类是历史的原因。string在后续的修改也参考了STL的设计，但是string在使用的功能和设计的风格来说，它和容器几乎一样，所以后面把string归到容器

5.2 basic_string模板家族

C++标准库中的字符串类型std::string实际上是通过一个名为basic_string的类模板进行类型定义得到的。具体来说，std::string是basic_string< char >的别名，专门用于处理单字节字符。除了常用的string类型，C++还提供了basic_string模板的其他特化版本，以支持不同字符宽度和编码需求。例如，std::wstring用于宽字符（通常为wchar_t，在Windows平台中一般为2字节，在Linux平台中通常为4字节），以及C++11标准引入的std::u16string和std::u32string，分别用于处理UTF-16和UTF-32编码的字符，对应的字符类型为char16_t（2字节）和char32_t（4字节）

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

5.3 字符串在计算机中的重要性

在世界上存储更复杂更多样化的信息时，例如整型浮点数…更多的是表示一些数值，但是这个世界的所有信息都可以用字符串存储表示，整数和浮点数也可以转换为字符串存储。更复杂的一些文字信息也可以用字符串存储。

计算机存在是要做两件事情，第一件事情，存储信息，这是为了查和看。第二件事情是为了运算，搞其他类型（例如整型，浮点型）是为了方便运算，比如在12306买票，一趟车次的价格就是运算出来的

5.4 字符编码发展历程

所以总的来说字符串不需要运算，只需要存储信息，然而计算机只能存储二进制信息，比如多个0101的位，就可以表示一定范围的值，也可以理解为计算机时只能存储值。8个比特位构成一个字节，1个字节，2的8次方。就能表示256种状态，字符编码就是计算机系统中将字符映射为二进制值的重要概念。ASCII（美国信息交换标准代码）是最早广泛使用的字符编码标准，它使用一个字节（8位）中的低7位（0-127）来表示英文字母、数字、标点符号及控制字符（美国人的文字比较简单，设计了128位编码表，char一个字节就够了，因为一个字节能表示256种状态）。

在这里插入图片描述

例如，大写字母’A’对应的ASCII码值为65，小写字母’a’对应的ASCII码值为97。在计算机存储中，字符实际上是以其对应的整型值（即ASCII码值）进行存储的，在显示时再通过编码表查询转换为相应的图形符号。

在这里插入图片描述

61是16进制，就是97，这里’\0’也是ASCII表里的一个字符，它的ASCII码值为0

在这里插入图片描述

ASCII值就是一个字符在内存当中存的那个整型值，这里的整型不是4个字节的整型，而是1个字节的整型，char整型（char也是一种整型，属于整型家族）

5.5 Unicode编码体系

随着计算机在全球范围的普及，ASCII编码无法满足非拉丁文字（如中文、日文、韩文等）的表示需求，以中文来说，一个字符为一个单位是不能很好表示我们的中文的，老美的文字是组合式的，只有那些符号，多个符号就构成一个字。而汉字有十几万个，要存储中文通常就要用2或3个字节才能存储了，一个字节表示一个文字肯定存储不下来，若0表示一个文字，1表示一个文字，就会导致只能表示250多个汉字（补充：一个字节能表示256，两个字节（256×256），能表示六万多，4个字节能表示42亿多个），这肯定是不行的。为此，Unicode（统一码）应运而生，它是一种旨在包含全世界所有字符的编码标准。Unicode为每个字符分配一个唯一的码点（Code Point），其范围从U+0000到U+10FFFF。Unicode标准本身仅定义字符与码点的映射关系，实际存储时需要通过各种编码方案实现，主要包括UTF-8、UTF-16和UTF-32三种编码格式。

在这里插入图片描述

在这里插入图片描述

UTF-8是一种变长编码方式，使用1至4个字节表示一个字符，并完全兼容ASCII编码。其编码规则具有明确的特征：单字节字符以0开头，与ASCII编码完全相同；多字节字符中，两字节字符的首字节以110开头，三字节字符的首字节以1110开头，四字节字符的首字节以11110开头，所有后续字节均以10开头。例如，汉字"汉"的Unicode码点为U+6C49，在UTF-8编码中对应的三字节序列为E6 B1 89。UTF-8编码因其良好的兼容性和较高的空间效率，已成为互联网和许多操作系统中主流的编码方式。

在这里插入图片描述

补充：UTF-8中一个字节能编码128种状态，两个字节能表示2000多种状态，三个字节能表示6w多个状态，四个字节最多能表示200多w种状态，哪个国家的文字都不可能有200多w个符号，所以它就能表示所有的文字了

UTF-16编码使用2或4个字节表示一个字符，属于定长与变长相结合的编码方式（通过代理对机制表示辅助平面字符）。UTF-32编码则始终使用4个字节表示每个字符，处理简单但空间占用较大。由于UTF-16和UTF-32在存储常见西方文字时空间效率较低（用UTF-8存abc只需要三个字节，用UTF-16存abc，起步就是6个字节了，UTF-32更加浪费了），它们在通用场景中的使用相对较少，但在某些特定系统和应用中仍有使用，如Windows操作系统内部就广泛使用UTF-16编码。

C++标准库通过basic_string模板的不同实例化来支持这些编码类型：std::string通常用于UTF-8或单字节编码；std::u16string和std::u32string分别专门用于UTF-16和UTF-32编码；而std::wstring的字符宽度依赖具体平台实现，可能对应于UTF-16（2字节）或UTF-32编码（4字节）。这样的设计使得C++字符串能够灵活适配不同的字符集与编码需求，为跨语言、跨平台的文本处理提供了坚实的基础支持

5.6 GBK编码（中国国家标准）

基于上面的原因，小的国家就不会搞自己的编码了，用Unicode现成的就可以了。但是中国文化博大精深（文字还分黑体，宋体，仿体，汉体…），还分简体繁体，所以我们国家自己有一套编码叫GBK（GB就是国标的意思）

在这里插入图片描述

GB后面跟数字都是GB这个系列之中的，而且GBK在扩展的时候是把日文和韩文也编进去了，我们国家在编文字时与UTF-8还有些不同，UTF-8是牺牲了5bit个位来做标记，所以两个字节才能编几千个，GBK编码时没有用这么多位来做标记，所以GBK是用两个字节来编码，Windows下就是是用GBK编码方案，由于中国市场大，Windows支持汉化

在这里插入图片描述

5.7 编码应用与实际问题

这里底层存储的时候就要用符号中的“云”去查编码表存储到内存中去，基于前面的内容buff2这个数字大小是5个字节（GBK是用两个字节来表示一个汉字，还有\0）

在这里插入图片描述

在这里插入图片描述

GBK在对汉字编码的时候是有规则的，会把同音字编在一起。平时见到的乱码就是如果存的是GBK，但是软件设置的读取编码不是GBK，这时候就导致读出来的东西是乱码。

补充一点：有时候为了让网络环境更文明，就有了净网行动，像在一些游戏里脏话是不能通过打字出现在聊天框的，原生词可以屏蔽，但是同音词的屏蔽就涉及上面所说的编码表的设计了。比如说要把“卧”这个词的范围集同音词的编码表也屏蔽掉

在这里插入图片描述

GBK也是兼容ASCII码的，所以UTF-8和GBK都可以用string存储

5.8 string的使用

string接口很多，现在大概有120个成员函数接口（公开提供使用的，内部肯定不止），我文章中只写最常用的20-30个，其余的在用的时候查文档就好了

string是用字符的顺序表实现，因为要兼容C语言，所以C++字符串的后面有’\0’

在这里插入图片描述

在这里插入图片描述

operator[ ]是个运算符重载

在这里插入图片描述

在这里插入图片描述

相关功能介绍

在这里插入图片描述

参数的说明，返回值的说明

在这里插入图片描述

样例：展示每一个接口

5.8.1 string的成员函数

在这里插入图片描述

注意，存常量字符串不是存一个指针指向的数组 而且string s2(“hello world”);就是拷贝构造了，和顺序表一样，他也会开一块数组空间，把数据拷贝过来，存在自己的空间里，这样才方便修改

在这里插入图片描述

string底层的拷贝就会设计深拷贝/浅拷贝，这里只要是深拷贝

再看一个接口 这里分享一个看文档的技巧，可以通过参数猜功能，文档中的取名都是很规范的

在这里插入图片描述

拷贝str这个对象的一部分，从pos标记的这个位置开始的len个字符（直到str的结束，如果str太短（所给参数比剩下长度更长）或者len是string::npos，则直到str结尾） 缺省参数npos是string定义的const静态成员变量

在这里插入图片描述

其值为-1，但不是真的-1，是整型的最大值，其类型是size_t。size_t是被typedef的一个值，在32位下，size_t是unsigned int，64位下是unsigned int 64（8个字节）

-1存的是补码，-1的补码是全1，所以npos是整型的最大值（四十二亿九千万个字符，4G），缺省参数给npos的目的是当一个字符串很长的时候直接拷贝

在这里插入图片描述

上上张图片的（5）（6）统一说一下

在这里插入图片描述

这里析构也会自动调用，除非自己实现一个数据结构需要再写一个析构

直接说赋值

在这里插入图片描述

赋值和拷贝构造都设计深拷贝，代价较大

在这里插入图片描述

5.8.2 string的遍历和修改

得益于运算符重载operator[ ]，有了它可以让对象可以像数组一样使用，像string的底层就是数组，就可以用下标来访问对应位置的那个值

在这里插入图片描述

重载两个版本（一个普通版本一个const版本）是因为string有普通对象有const对象，const对象只能调用const成员函数，const成员函数返回const引用，返回对应字符的别名，但是不能修改

在这里插入图片描述

下面大概看一下string::operator[ ]内部逻辑的样子，虽然底层是个模板，但模板只是字符串的字符类型不同而已，下面这个是手搓的

在这里插入图片描述

之前的文章写引用做返回值，更多的作用是减少拷贝，因为传值返回是返回返回对象的一个拷贝，这里体现了引用返回的另外一个功能，可以修改返回对象，达到了可以像数组一样操作

C++编译器这里是以类型为原则识别的，若a是一个普通的char的数组，a[0]='x’本质上就转换为指令（可能是多句指令），用指针+下标然后解引用最后把x放到解引用的位置，s1[0]='x’自定义类型就转换为对应的函数调用，若没有对应运算符重载的函数调用就会编译报错

在这里插入图片描述

C++这里这样的实现方式还有一个很好的效果，C语言普通数组的越界检查是一种抽查，比如说在下面红框数组的结束设置一些标记位，只要这些标记位没有被修改，就不会报错。如果往后越界的很远修改就检查不到，这个是C语言数组的一大缺陷

在这里插入图片描述

C++这里转换为函数调用就可以使用assert(pos<_size)做越界检查

在这里插入图片描述

断言的缺陷就是在Release会被优化掉

at和[ ]的功能是一样的

在这里插入图片描述

二者唯一区别是，at越界了会抛异常 断言是直接中止程序，比较粗暴，at稍微温和一些（异常可以被捕获，但程序不会终止，后续的程序还可以继续运行）

在这里插入图片描述

size和length这两个接口都可以返回字符的长度（都不包含’\0’），二者完全没有区别，之所以搞了两个也是一个历史原因，早期string的设计就是length，STL引进之后就把size增加进去了。这里推荐用size，所有的容器要想看数据个数都是size，length不怎么用，像二叉树这样的数据结构用一个length接口就非常不合适，size就很合理

在这里插入图片描述

在这里插入图片描述

对每个字符+1

5.8.3 迭代器

迭代这个词就是用来遍历的

在string这个类域中有一个叫iterator的类型，在一个类域中还有一个类型只有两种情况，一种就是内部类，另一种就是在内部进行typedef，iterator就属于第二种

在这里插入图片描述

这些都是string的内部类型，凡是用到这些，都是在类里面定义的内部类或者在里面typedef，iterator就是string的迭代器类型

迭代器用起来是一个行为像指针的东西，要找开始位置的指针（指向第一个有效数据），该指针是由一个叫begin的函数提供的，begin是提供开始位置的迭代器

在这里插入图片描述

还有一个指针end，这是最后一个字符的下一个位置，就是指向’\0’位置的指针，指向有效位置的下一个位置，'\0’不算有效字符，而是一个标识字符（标识字符串的结束）

在这里插入图片描述

两个指针构成了一个左闭右开的区间

在这里插入图片描述

但是迭代器不能等价于指针，只是行为像指针，不同容器不同版本的的迭代器都不同，包括string的实现也一样

在这里插入图片描述

迭代器和下标+[ ]在功能上是重叠的，但是迭代器作为STL的一大组件，是一种可以通用的访问所有容器的方式。像链表这样的数据结构底层不是数组就无法使用下标+[ ]来遍历和修改了，这时候就必须使用迭代器

此时头文件包含list，是个链表，list是用模板实现的

在这里插入图片描述

所有容器内部都有一个叫iterator的成员类型或内嵌类型，不同容器的迭代器不是同一个类型，因为虽然名字相同，但是在不同的作用域（类域）

迭代器也有普通版本和const版本 前面如果一个函数不会修改成员变量就写为带const的，普通对象和const都可以调用。带const和不带const的二者都要实现进行重载的情况就是既要读又要写，读写要分离。const对象只能读，普通对象既可以读又可以写，前面的[ ]就是这样

在这里插入图片描述

const迭代器不是在普通对象前面加const，const string::iterator it1 = s.begin(); const 对象不是使用const iterator去遍历，因为这里const修饰的是迭代器本身，就不能++了，也就不能遍历了

//类比指针
T* const;//修饰迭代器本身的const
const* T;//修饰迭代器指向内容的const

在这里插入图片描述

所以图中const_iterator是类比第二个指针，迭代器本身是可以修改的，本身不被const修饰，而指向的内容被const修饰，不能修改

正确的写法是

在这里插入图片描述

const迭代器的特点就是不能修改

除了begin两种迭代器，还有两种迭代器

在这里插入图片描述

iterator叫做正向迭代器，它的遍历是从前向后的，该迭代器叫反向迭代器，普通对象用反向迭代器，const对象用const反向迭代器，reverse是逆置，反向，反转的意思

rbegin，rend返回的就是反向迭代器，这里rbegin的++能倒着走是因为封装重载运算符了，从底层实现的角度，迭代器的实现一定是依赖于指针的实现

在这里插入图片描述

在这里插入图片描述

迭代器还有cbegin和cend的版本，这两个版本是C++11增加的版本，它和const版本的begin是一样的，cbegin是更规范一些，在C++11之后，期望调用const迭代器就调用cbegin，分工更加清晰

在这里插入图片描述

在这里插入图片描述

所以迭代器有两大优点：

1. 提供统一的方式遍历修改容器
2. 算法可以泛型化，算法借助迭代器处理容器的数据

就拿查找算法举例，STL里的一些通用算法就写到了算法头文件#include< algorithm >

在这里插入图片描述

在这里插入图片描述

其算法模板通过迭代器化，不传对应的容器，而是传容器的迭代器区间，在算法中的迭代器区间是左闭右开的

并且把迭代器搞成模板，模板参数写成这样代表first和last是段迭代器区间，但是是谁的迭代器不知道，顺序表，链表，树的迭代器都可以，只要迭代器是实现好的，把迭代器对象传过来，就会实例化出对应的迭代器类型。

因为迭代器不一定支持大小的比较，所以这里循环判断的条件是first!=last，而不是first<last，像顺序表，底层是数组，后面的值一定大于前面的值，而链表中的节点是没有大小关系的

设计成左闭右开区间还有一个目的，若找到了就返回对应位置的迭代器（解引用就可以取到该位置的值），没有找到就返回last，但实际要找的区间是first到last-1

在这里插入图片描述

5.8.4 auto和范围for

二者是C++11的两个语法

5.8.4.1 auto关键字

auto关键字可以进行自动推导类型

	int i = 0;
	//通过初始化表达式值类型自动推导对象类型
	auto j = i;
	auto k = 10;

前面有时候迭代器遍历的时候，迭代器很长很难写，就可以使用auto

在这里插入图片描述

但是这样写auto也一定程度降低了程序的可读性，一眼看去可能看不出来是什么类型对象的迭代器，所以要适度使用

auto也可以推导指针和引用

在这里插入图片描述

• 在早期C/C++中auto的含义是：使用auto修饰的变量，是具有自动存储器的局部变量，后来这个不重要了。C++11中，标准委员会变废为宝赋予了auto全新的含义即：auto不再是一个存储类型指示符，而是作为一个新的类型指示符来指示编译器，auto声明的变量必须由编译器在编译时期推导而得
• 用auto声明指针类型时，用auto和auto*没有任何区别，但用auto声明引用类型时必须加&
• 当在同一行声明多个变量时，这些变量必须是相同的类型，否则编译器将会报错，因为编译器实际只对第一个类型进行推导，然后用推导出来的类型定义其他变量
• auto不能作为函数的参数，可以做返回值，但是建议谨慎使用
• auto不能直接用来声明数组

5.8.4.2 范围for

• 对于一个有范围的集合而言，由程序员来说明循环的范围是多余的，有时候还会容易犯错。因此C++11中银日了基于范围的for循环。for循环后的括号由冒号“：”分为两部分，第一部分是范围内用于迭代的变量，第二部分则表示被迭代的范围，自动迭代，自动取数据，自动判断结束
• 范围for可以作用到容器对象上进行遍历

在这里插入图片描述

在这里插入图片描述

这里无法修改容器里的值的原因是范围for的方法是自动取容器中的数据，赋值给冒号前面的对象，该对象就是自动取的这个数据的拷贝，对对象进行改变是不会影响容器里的数据的，除非在被赋值的对象前加一个引用

在这里插入图片描述

还有一个情况，若不修改容器中的值，且被拷贝的对象比较大，这个对象在加引用的同时还要加const，这样即能传普通对象的引用，也能传const对象的引用了

在这里插入图片描述

• 范围for看着各种自动操作很神奇，其实底层很简单，容器遍历实际就会把这些自动操作替换为迭代器，这种语法也称为语法糖（用更简单快捷的方式去遍历迭代器），这个从汇编层也可以看到

在这里插入图片描述

这是底层的begin和end，表面看到的begin和end是被处理过，就像表面string也是被basic_string typedef过的

可以认为支持迭代器的容器都支持范围for，数组也支持范围for，虽然数组不支持迭代器，但是指向数组的指针，其行为和迭代器是天然一样的，也就是数组被特殊处理过

在这里插入图片描述

所有容器都可以用范围for，所以对于string有三种遍历方式

1. 下标+[ ]
2. 迭代器
3. 范围for

范围for可以说是已经超脱之前的语法了，一般C++11之后也称为现代C++，引入了很多很新的特性，非常好用，该语法和Python一个语法很像，感觉像是抄的，仅仅是感觉