一万字详解C语言中长度为零的数组

点击蓝字

d97c20799e56a203640f549412a94998.png

关注我们

零长度数组概念:

众所周知, GNU/GCC 在标准的 C/C++ 基础上做了有实用性的扩展, 零长度数组(Arrays of Length Zero) 就是其中一个知名的扩展.

多数情况下, 其应用在变长数组中, 其定义如下:

struct Packet
{
    int state;
  int len;
  char cData[0]; //这里的0长结构体就为变长结构体提供了非常好的支持
};

首先对 0 长度数组, 也叫柔性数组,做一个解释 :

  • 用途 : 长度为0的数组的主要用途是为了满足需要变长度的结构体;

  • 用法 : 在一个结构体的最后,声明一个长度为 0 的数组, 就可以使得这个结构体是可变长的. 对于编译器来说, 此时长度为 0 的数组并不占用空间, 因为数组名本身不占空间, 它只是一个偏移量, 数组名这个符号本身代表了一个不可修改的地址常量

(注意 : 数组名永远都不会是指针!), 但对于这个数组的大小, 我们可以进行动态分配。

注意 :如果结构体是通过 callocmalloc 或 者 new 等动态分配方式生成,在不需要时要释放相应的空间。

优点 :比起在结构体中声明一个指针变量、再进行动态分 配的办法,这种方法效率要高。因为在访问数组内容时,不需要间接访问,避免了两次访存。

缺点 :在结构体中,数组为 0 的数组必须在最后声明,使用上有一定限制。

对于编译器而言, 数组名仅仅是一个符号, 它不会占用任何空间, 它在结构体中, 只是代表了一个偏移量, 代表一个不可修改的地址常量!

0 长度数组的用途:

我们设想这样一个场景, 我们在网络通信过程中使用的数据缓冲区, 缓冲区包括一个 len 字段和 data 字段, 分别标识数据的长度和传输的数据, 我们常见的有几种设计思路:

  • 定长数据缓冲区, 设置一个足够大小 MAX_LENGTH 的数据缓冲区

  • 设置一个指向实际数据的指针, 每次使用时, 按照数据的长度动态的开辟数据缓冲区的空间

我们从实际场景中应用的设计来考虑他们的优劣. 主要考虑的有, 缓冲区空间的开辟、释放和访问。

1、定长包(开辟空间, 释放, 访问):

比如我要发送 1024 字节的数据, 如果用定长包, 假设定长包的长度 MAX_LENGTH 为 2048, 就会浪费 1024 个字节的空间, 也会造成不必要的流量浪费:

  • 数据结构定义:

//  定长缓冲区
struct max_buffer
{
    int     len;    
    char    data[MAX_LENGTH];
};
  • 数据结构大小:考虑对齐, 那么数据结构的大小 >= sizeof(int) + sizeof(char) * MAX_LENGTH

由于考虑到数据的溢出, 变长数据包中的 data 数组长度一般会设置得足够长足以容纳最大的数据, 因此 max_buffer 中的 data 数组很多情况下都没有填满数据, 因此造成了浪费。

  • 数据包的构造:假如我们要发送 CURR_LENGTH = 1024 个字节, 我们如何构造这个数据包呢;一般来说, 我们会返回一个指向缓冲区数据结构 max_buffer 的指针:

//  开辟
if ((mbuffer = (struct max_buffer *)malloc(sizeof(struct max_buffer))) != NULL)    
{
  mbuffer->len = CURR_LENGTH;
  memcpy(mbuffer->data, "Hello World", CURR_LENGTH);
  printf("%d, %s\n", mbuffer->len, mbuffer->data);
}
  • 访问:这段内存要分两部分使用;前部分 4 个字节 p->len, 作为包头(就是多出来的那部分),这个包头是用来描述紧接着包头后面的数据部分的长度,这里是 1024, 所以前四个字节赋值为 1024 (既然我们要构造不定长数据包,那么这个包到底有多长呢,因此,我们就必须通过一个变量来表明这个数据包的长度,这就是 len 的作用);而紧接其后的内存是真正的数据部分, 通过 p->data, 最后, 进行一个 memcpy() 内存拷贝, 把要发送的数据填入到这段内存当中

  • 释放:那么当使用完毕释放数据的空间的时候, 直接释放就可以了

// 销毁
free(mbuffer);
mbuffer = NULL;

2、小结:

  • 使用定长数组, 作为数据缓冲区, 为了避免造成缓冲区溢出, 数组的大小一般设为足够的空间 MAX_LENGTH, 而实际使用过程中, 达到 MAX_LENGTH 长度的数据很少, 那么多数情况下, 缓冲区的大部分空间都是浪费掉的

  • 但是使用过程很简单, 数据空间的开辟和释放简单, 无需程序员考虑额外的操作

3、 指针数据包(开辟空间, 释放, 访问):

如果你将上面的长度为 MAX_LENGTH 的定长数组换为指针, 每次使用时动态的开辟CURR_LENGTH 大小的空间, 那么就避免造成 MAX_LENGTH - CURR_LENGTH 空间的浪费, 只浪费了一个指针域的空间:

  • 数据包定义:

struct point_buffer
{
  int     len;
  char    *data;
};
  • 数据结构大小:考虑对齐, 那么数据结构的大小 >= sizeof(int) + sizeof(char *)

  • 空间分配:但是也造成了使用在分配内存时,需采用两步

// =====================
// 指针数组  占用-开辟-销毁
// =====================
///  占用    
printf("the length of struct test3:%d\n",sizeof(struct point_buffer));
///  开辟
if ((pbuffer = (struct point_buffer *)malloc(sizeof(struct point_buffer))) != NULL)
{
  pbuffer->len = CURR_LENGTH;
  if ((pbuffer->data = (char *)malloc(sizeof(char) * CURR_LENGTH)) != NULL)
  {
      memcpy(pbuffer->data, "Hello World", CURR_LENGTH);
      printf("%d, %s\n", pbuffer->len, pbuffer->data);
  }
}

首先, 需为结构体分配一块内存空间;其次再为结构体中的成员变量分配内存空间。

这样两次分配的内存是不连续的, 需要分别对其进行管理. 当使用长度为的数组时, 则是采用一次分配的原则, 一次性将所需的内存全部分配给它。

  • 释放:相反, 释放时也是一样的:

/// 销毁
free(pbuffer->data);
free(pbuffer);
pbuffer = NULL;
  • 小结:

  • - 使用指针结果作为缓冲区, 只多使用了一个指针大小的空间, 无需使用 MAX_LENGTH 长度的数组, 不会造成空间的大量浪费。

  • 但那是开辟空间时, 需要额外开辟数据域的空间, 施放时候也需要显示释放数据域的空间, 但是实际使用过程中, 往往在函数中开辟空间, 然后返回给使用者指向 struct point_buffer 的指针, 这时候我们并不能假定使用者了解我们开辟的细节, 并按照约定的操作释放空间, 因此使用起来多有不便, 甚至造成内存泄漏。

4、变长数据缓冲区(开辟空间, 释放, 访问)

定长数组使用方便, 但是却浪费空间, 指针形式只多使用了一个指针的空间, 不会造成大量空间分浪费, 但是使用起来需要多次分配, 多次释放, 那么有没有一种实现方式能够既不浪费空间, 又使用方便的呢?

GNU C 的 0 长度数组, 也叫变长数组, 柔性数组就是这样一个扩展。对于 0 长数组的这个特点,很容易构造出变成结构体,如缓冲区,数据包等等:

  • 数据结构定义:

//  0长度数组
struct zero_buffer
{
  int     len;
  char    data[0];
};
  • 数据结构大小:这样的变长数组常用于网络通信中构造不定长数据包, 不会浪费空间浪费网络流量, 因为 char data[0]; 只是个数组名, 是不占用存储空间的:

sizeof(struct zero_buffer) = sizeof(int)
  • 开辟空间:那么我们使用的时候, 只需要开辟一次空间即可

///  开辟
if ((zbuffer = (struct zero_buffer *)malloc(sizeof(struct zero_buffer) + sizeof(char) * CURR_LENGTH)) != NULL)
{
    zbuffer->len = CURR_LENGTH;
    memcpy(zbuffer->data, "Hello World", CURR_LENGTH);
    printf("%d, %s\n", zbuffer->len, zbuffer->data);
}
  • 释放空间:释放空间也是一样的, 一次释放即可

///  销毁
free(zbuffer);
zbuffer = NULL;
  • 总结:

// zero_length_array.c

#include <stdio.h>
#include <stdlib.h>
#define MAX_LENGTH      1024
#define CURR_LENGTH      512

//  0长度数组
struct zero_buffer
{
int     len;
char    data[0];
}__attribute((packed));

//  定长数组
struct max_buffer
{
int     len;
char    data[MAX_LENGTH];
}__attribute((packed));

//  指针数组
struct point_buffer
{
int     len;
char    *data;
}__attribute((packed));

int main(void)
{
    struct zero_buffer  *zbuffer = NULL;
  struct max_buffer   *mbuffer = NULL;
  struct point_buffer *pbuffer = NULL;

  // =====================
  // 0长度数组  占用-开辟-销毁
  // =====================
  ///  占用
  printf("the length of struct test1:%d\n",sizeof(struct zero_buffer));
  ///  开辟
  if ((zbuffer = (struct zero_buffer *)malloc(sizeof(struct zero_buffer) + sizeof(char) * CURR_LENGTH)) != NULL)
  {
      zbuffer->len = CURR_LENGTH;
      memcpy(zbuffer->data, "Hello World", CURR_LENGTH);
      printf("%d, %s\n", zbuffer->len, zbuffer->data);
  }  
  ///  销毁
  free(zbuffer);
  zbuffer = NULL;

  // =====================
  // 定长数组  占用-开辟-销毁
  // =====================
  ///  占用
  printf("the length of struct test2:%d\n",sizeof(struct max_buffer));
  ///  开辟
  if ((mbuffer = (struct max_buffer *)malloc(sizeof(struct max_buffer))) != NULL)
  {
      mbuffer->len = CURR_LENGTH;
      memcpy(mbuffer->data, "Hello World", CURR_LENGTH);
      printf("%d, %s\n", mbuffer->len, mbuffer->data);
  }
  /// 销毁
  free(mbuffer);
  mbuffer = NULL;

  // =====================
  // 指针数组  占用-开辟-销毁
  // =====================
  ///  占用
  printf("the length of struct test3:%d\n",sizeof(struct point_buffer));
  ///  开辟
  if ((pbuffer = (struct point_buffer *)malloc(sizeof(struct point_buffer))) != NULL)
  {
      pbuffer->len = CURR_LENGTH;
      if ((pbuffer->data = (char *)malloc(sizeof(char) * CURR_LENGTH)) != NULL)
    {
        memcpy(pbuffer->data, "Hello World", CURR_LENGTH);
      printf("%d, %s\n", pbuffer->len, pbuffer->data);
    }
  }
  /// 销毁
  free(pbuffer->data);
  free(pbuffer);
  pbuffer = NULL;
  return EXIT_SUCCESS;
}

b6ddef0b1197caf5ba710d1ff5090163.png


  • 长度为 0 的数组并不占有内存空间, 而指针方式需要占用内存空间.

  • 对于长度为 0 数组, 在申请内存空间时, 采用一次性分配的原则进行; 对于包含指针的结构体, 在申请空间时需分别进行, 释放时也需分别释放.

  • 对于长度为 0 的数组的访问可采用数组方式进行

GNU Document中 变长数组的支持:

参考:

6.17 Arrays of Length Zero
C Struct Hack – Structure with variable length array

在 C90 之前, 并不支持 0 长度的数组, 0 长度数组是 GNU C 的一个扩展, 因此早期的编译器中是无法通过编译的;对于 GNU C 增加的扩展, GCC 提供了编译选项来明确的标识出他们:

  • -pedantic 选项,那么使用了扩展语法的地方将产生相应的警告信息

  • -Wall 使用它能够使 GCC 产生尽可能多的警告信息

  • -Werror, 它要求 GCC 将所有的警告当成错误进行处理

// 1.c
#include <stdio.h>
#include <stdlib.h>
int main(void)
{
    char a[0];
  printf("%ld", sizeof(a));
  return EXIT_SUCCESS;
}

我们来编译:

# 显示所有警告
gcc 1.c -Wall
#none warning and error

# 对GNU C的扩展显示警告
gcc 1.c -Wall -pedantic
1.c: In function ‘main’:
1.c:7: warning: ISO C forbids zero-size array ‘a’

# 显示所有警告同时GNU C的扩展显示警告, 将警告用 error 显示
gcc 1.c -Werror -Wall -pedantic 
cc1: warnings being treated as errors
1.c: In function ‘main’:
1.c:7: error: ISO C forbids zero-size array ‘a’

157dab61249a3297b3f0c05194ef3efc.png


0长度数组其实就是灵活地运用数组指向的是其后面连续的内存空间:

struct buffer
{
  int     len;
  char    data[0];
};

在早期没引入 0 长度数组的时候, 大家是通过定长数组和指针的方式来解决的, 但是:

  • 定长数组定义了一个足够大的缓冲区, 这样使用方便, 但是每次都造成空间的浪费

  • 指针的方式, 要求程序员在释放空间时必须进行多次的 free 操作, 而我们在使用的过程中往往在函数中返回了指向缓冲区的指针, 我们并不能保证每个人都理解并遵从我们的释放方式。

    所以 GNU 就对其进行了 0 长度数组的扩展. 当使用 data[0] 的时候, 也就是 0 长度数组的时候,0长度数组作为数组名, 并不占用存储空间。

在 C99 之后,也加了类似的扩展,只不过用的是 char payload[] 这种形式(所以如果你在编译的时候确实需要用到 -pedantic参数,那么你可以将 char payload[0] 类型改成 char payload[] , 这样就可以编译通过了,当然你的编译器必须支持 C99 标准的,如果太古老的编译器,那可能不支持了)

// 2.c payload
#include <stdio.h>#
include <stdlib.h>

struct payload
{
    int   len;
  char  data[];
};

int main(void)
{
    struct payload pay;
  printf("%ld", sizeof(pay));
  return EXIT_SUCCESS;
}

使用 -pedantic 编译后, 不出现警告, 说明这种语法是 C 标准的

gcc 2.c -pedantic -std=c99

bddc0186cdfc3722e84b89c1f8d6284f.png


所以结构体的末尾, 就是指向了其后面的内存数据。因此我们可以很好的将该类型的结构体作为数据报文的头格式,并且最后一个成员变量,也就刚好是数据内容了.

GNU 手册还提供了另外两个结构体来说明,更容易看懂意思:

struct f1 
{
    int x;
  int y[];
} f1 = { 1, { 2, 3, 4 } };

struct f2
{
    struct f1 f1;
  int data[3];
} f2 = { { 1 }, { 5, 6, 7 } };

我把 f2 里面的 2,3,4 改成了 5,6,7 以示区分。如果你把数据打出来。即如下的信息:

f1.x = 1
f1.y[0] = 2
f1.y[1] = 3
f1.y[2] = 4

也就是 f1.y 指向的是 {2,3,4} 这块内存中的数据。所以我们就可以轻易的得到,f2.f1.y  指向的数据也就是正好 f2.data 的内容了。打印出来的数据:

f2.f1.x = 1
f2.f1.y[0] = 5
f2.f1.y[1] = 6
f2.f1.y[2] = 7

如果你不是很确认其是否占用空间. 你可以用 sizeof 来计算一下。就可以知道 sizeof(struct f1)=4,也就是 int y[]其实是不占用空间的。但是这个 0 长度的数组,必须放在结构体的末尾。如果你没有把它放在末尾的话。编译的时候,会有如下的错误:

main.c:37:9: error: flexible array member not at end of struct
                    int y[];
                            ^

到这边,你可能会有疑问,如果将 struct f1 中的 int y[] 替换成 int *y ,又会是如何?这就涉及到数组和指针的问题了. 有时候吧,这两个是一样的,有时候又有区别。

首先要说明的是,支持 0 长度数组的扩展,重点在数组,也就是不能用 int *y 指针来替换。sizeof 的长度就不一样了。把struct f1 改成这样:

struct f3
{
    int x;
  int *y;
};

在 32/64 位下, int 均是 4 个字节,  sizeof(struct f1)=4,而 sizeof(struct f3)=16

因为int *y 是指针, 指针在 64 位下, 是 64 位的, sizeof(struct f3) = 16;如果在32位环境的话, sizeof(struct f3) 则是 8 了, sizeof(struct f1) 不变. 所以 int *y 是不能替代 int y[] 的;

代码如下:

// 3.c
#include <stdio.h>
#include <stdlib.h>

struct f1
{
    int x;
  int y[];
} f1 = { 1, { 2, 3, 4 } };

struct f2 
{
    struct f1 f1;
  int data[3];
} f2 = { { 1 }, { 5, 6, 7 } };

struct f3
{
    int x;
  int *y;
};

int main(void)
{
    printf("sizeof(f1) = %d\n", sizeof(struct f1));
  printf("sizeof(f2) = %d\n", sizeof(struct f2));
  printf("szieof(f3) = %d\n\n", sizeof(struct f3));

  printf("f1.x = %d\n", f1.x);
  printf("f1.y[0] = %d\n", f1.y[0]);
  printf("f1.y[1] = %d\n", f1.y[1]);
  printf("f1.y[2] = %d\n", f1.y[2]);

  printf("f2.f1.x = %d\n", f1.x);
  printf("f2.f1.y[0] = %d\n", f2.f1.y[0]);
  printf("f2.f1.y[1] = %d\n", f2.f1.y[1]);
  printf("f2.f1.y[2] = %d\n", f2.f1.y[2]);

  return EXIT_SUCCESS;
}

a29b74103898aed5c8d44d4082f68cbd.png


0 长度数组的其他特征:

1、为什么 0 长度数组不占用存储空间:

0 长度数组与指针实现有什么区别呢, 为什么0长度数组不占用存储空间呢?

其实本质上涉及到的是一个 C 语言里面的数组和指针的区别问题。char a[1] 里面的 a 和 char *b 的 b  相同吗?

《 Programming Abstractions in C》(Roberts, E. S.,机械工业出版社,2004.6)82页里面说:

“arr is defined to be identical to &arr[0]”.

也就是说,char a[1] 里面的 a 实际是一个常量,等于 &a[0] 。而 char *b 是有一个实实在在的指针变量 b 存在。所以,a=b 是不允许的,而 b=a 是允许的。两种变量都支持下标式的访问,那么对于 a[0] 和 b[0]本质上是否有区别?我们可以通过一个例子来说明。

参见如下两个程序 gdb_zero_length_array.c和 gdb_zero_length_array.c

//  gdb_zero_length_array.c
#include <stdio.h>
#include <stdlib.h>

struct str
{
    int len;
  char s[0];
};

struct foo
{
    struct str *a;
};

int main(void)
{
    struct foo f = { NULL };
  printf("sizeof(struct str) = %d\n", sizeof(struct str));
  printf("before f.a->s.\n");
  if(f.a->s)
  {
      printf("before printf f.a->s.\n");
    printf(f.a->s);
    printf("before printf f.a->s.\n");
  }

  return EXIT_SUCCESS;
}

\

40b53db9bc21b2d61f95abeea1f4c871.png


//  gdb_pzero_length_array.c
#include <stdio.h>#
include <stdlib.h>

struct str
{
    int len;
  char *s;
};

struct foo
{
    struct str *a;
};

int main(void)
{
    struct foo f = { NULL };
  printf("sizeof(struct str) = %d\n", sizeof(struct str));
  printf("before f.a->s.\n");

  if (f.a->s)
  {
      printf("before printf f.a->s.\n");
    printf(f.a->s);
    printf("before printf f.a->s.\n");
  }

    return EXIT_SUCCESS;
}

76a62f59e564d3f779492332b6f6956d.png


可以看到这两个程序虽然都存在访问异常, 但是段错误的位置却不同

我们将两个程序编译成汇编, 然后 diff 查看他们的汇编代码有何不同

gcc -S gdb_zero_length_array.c -o gdb_test.s
gcc -S gdb_pzero_length_array.c -o gdb_ptest
diff gdb_test.s gdb_ptest.s

1c1
<   .file   "gdb_zero_length_array.c"
---
>   .file   "gdb_pzero_length_array.c"
23c23
<   movl    $4, %esi
---
>   movl    $16, %esi
30c30
<   addq    $4, %rax
---
>   movq    8(%rax), %rax
36c36
<
addq    $4, %rax
---
>   movq    8(%rax), %rax  # printf("sizeof(struct str) = %d\n", sizeof(struct str));
23c23
<   movl    $4, %esi      #printf("sizeof(struct str) = %d\n", sizeof(struct str));
---
>   movl    $16, %esi     #printf("sizeof(struct str) = %d\n", sizeof(struct str));

从 64 位系统中, 汇编我们看出, 变长数组结构的大小为 4, 而指针形式的结构大小为 16:

f.a->s
30c30/36c36
<   addq    $4, %rax
---
>   movq    8(%rax), %rax

可以看到有:

  • 对于 char s[0] 来说, 汇编代码用了 addq 指令, addq $4, %rax

  • 对于 char *s 来说,汇编代码用了 movq 指令, movq 8(%rax), %rax

addq 对 %rax + sizeof(struct str), 即 str 结构的末尾即是 char s[0] 的地址, 这一步只是拿到了其地址, 而 movq 则是把地址里的内容放进去, 因此有时也被翻译为 leap 指令, 参见下一例子

从这里可以看到, 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):

  • 访问相对地址,程序不会 crash,但是,访问一个非法的地址中的内容,程序就会 crash

// 4-1.c
#include <stdio.h>
#include <stdlib.h>

int main(void)
{
    char *a;
  printf("%p\n", a);
  return EXIT_SUCCESS;
}


4-2.c
#include <stdio.h>
#include <stdlib.h>

int main(void)
{
    char a[0];
  printf("%p\n", a);    return EXIT_SUCCESS;
}


$ diff 4-1.s 4-2.s
1c1
<       .file   "4-1.c"
---
>       .file   "4-2.c"
13c13
<       subl    $16, %esp
---
>       subl    $32, %esp
15c15
<       leal    16(%esp), %eax
---
>       movl    28(%esp), %eax
  • 对于 char a[0] 来说, 汇编代码用了 leal 指令, leal 16(%esp), %eax

  • 对于 char *a 来说,汇编代码用了 movl 指令, movl 28(%esp), %eax

2、地址优化:

// 5-1.c
#include <stdio.h>
#include <stdlib.h>

int main(void)
{
    char a[0];
  printf("%p\n", a);

  char b[0];
  printf("%p\n", b);

  return EXIT_SUCCESS;
}

90ad4a9ce34dea36ee0fc899b5585a16.png

img

由于 0 长度数组是 GNU C 的扩展, 不被标准库任可, 那么一些巧妙编写的诡异代码, 其执行结果就是依赖于编译器和优化策略的实现的.

比如上面的代码, a 和 b 的地址就会被编译器优化到一处, 因为 a[0] 和 b[0] 对于程序来说是无法使用的, 这让我们想到了什么?

编译器对于相同字符串常量, 往往地址也是优化到一处, 减少空间占用:

//  5-2.c
#include <stdio.h>
#include <stdlib.h>

int main(void)
{
    const char *a = "Hello";
  printf("%p\n", a);

  const char *b = "Hello";
  printf("%p\n", b);

  const char c[] = "Hello";
  printf("%p\n", c);

  return EXIT_SUCCESS;
}

6ac2cdf39d8e8156fb4d3bd570424270.png

*声明:本文于网络整理,版权归原作者所有,如来源信息有误或侵犯权益,请联系我们删除或授权事宜。

9bf6d0a62465794f4c82994447af1ca4.png

f799d01bd986e4b65af37496aacf8bf4.gif

戳“阅读原文”我们一起进步

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值