带有多个分隔符的Strsep :奇怪的结果

Question

我目前在使用带有多个分隔符的strsep时有一些奇怪的结果。我的分隔符包括制表符、空格字符以及>和<。

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

int main()
{
    char buffer[50];
    char *curr_str = NULL;
    const char delim[4] = "\t >";
    //const char delim[4] = "\t ><"; // This does not work
  
    snprintf(buffer, 50, "%s", "echo Hello");
  
    char *str_ptr = buffer;
  
    curr_str = strsep(&str_ptr, delim);
  
    if (curr_str != NULL)
        printf("%s\n", curr_str);

    curr_str = strsep(&str_ptr, delim);
    if (curr_str != NULL)
        printf("%s\n", curr_str);
    return (0);
}

这是我所期望的输出。

echo 
Hello

但是，只要我为分隔符添加'<‘字符，我就会得到

cho

不知何故，第一个字符被截断了。为什么会发生这种情况，有什么原因吗？

谢谢。

Answer 1

strsep的第二个参数delim是一个以null结尾的字符串(与C中的所有字符串一样)，因此必须为结尾字符留出空格：

const char delim[5] = "\t ><"; // This does work
//const char delim[] = "\t ><"; // or this

如果您没有结束字符串，它将通过数组探索内存，并找到许多新的分隔字符来使用，这就是在您的示例中发生的情况。

Answer 2

"...the第一个字符被截断。发生这种情况有什么原因吗？“

是的，在C字符串函数中使用非空终止字符数组导致的未定义行为。

如果填充的const char delim[4]不包含空终止，则它将只是一个char数组，而不是C string。它可能会也可能不会表现出奇怪的行为，但如果与任何C string functions (如curr_str = strsep(&str_ptr,delim); )一起使用，它将调用undefined behavior。

const char delim[4];

有4个字符的空间。

"\t ><"  //contains exactly 4 char

在内存中可以像这样概念化：

|\t| |>|<|?|?|?|  // ? = unknown content, possibly no null termination
         ^end of owned memory

它应该包含以下内容：

|\t| |>|<|\0|?|?|  // null termination  
            ^end of owned memory (5 char wide)

在声明中需要更多空间，例如以下两个选项之一：

const char delim[5] = "\t ><";

或

const char delim[] = "\t ><";

Answer 3

const char delim[4] = "\t ><";没有定义正确的C字符串，因为空终止符没有空格。因此，内存中delim后面的任何非零字节都将是分隔符字符串的一部分。

这当然是未定义的行为，在您的例子中，编译器可以将delim放在buffer之前，而不需要任何填充，有效地将分隔符字符序列与字符串"echo Hello"中的所有字符继续。这会导致第一次调用strsep时返回空字符串。

您可以在此Godbolt instance上检查在32位模式下确实是这样，但在64位模式下不是这样(删除-m32编译器选项)。

这个问题很容易解决。您可以让编译器确定delim数组的长度：

const char delim[] = "\t ><";

也可以使用指向字符串常量的指针：

const char *delim = "\t ><";