C++中字符数组与字符串

导师教大一新生C++，安排我去做助教。期间一个学生问我一个问题，奈何近两年主要都是用python和Java，C++一些基础知识有些陌生了浪费了很多时间。这个问题主要是字符数组引起的，这里简单记录一下相关知识，最近也多复习一下C++，希望不要在课堂上误人子弟！
本文实验环境为：Window10 VS2019 x86编译模式下

1.字符串与字符数组

先说字符数组，有以下几种方式初始化：

int main(int argc, char** argv) {
	char cArr0[5] = { '\0' };
	char cArr1[5] = { 0 };
	char cArr2[5] = "abcd";
	char cArr3[5] = { 'a','b','c','d' };
	char cArr4[5] = { 'a','b','c','d','\0' };
	char cArr5[5] = { 'a','b','c','d' ,'e'};
	char cArr6[] = "abcde";
	char cArr7[] = { 'a','b','c','d','e' };
	char cArr8[5];
	memset(cArr8, 0, 5);
	//for 循环也可以初始化  这里略过
	cout << "strlen  cArr0:" << strlen(cArr0) << endl;
	cout << "strlen  cArr1:" << strlen(cArr1) << endl;
	cout << "strlen  cArr2:" << strlen(cArr2) << endl;
	cout << "strlen  cArr3:" << strlen(cArr3) << endl;
	cout << "strlen  cArr4:" << strlen(cArr4) << endl;
	cout << "strlen  cArr5:" << strlen(cArr5) << endl;
	cout << "strlen  cArr6:" << strlen(cArr6) << endl;
	cout << "strlen  cArr7:" << strlen(cArr7) << endl;
	cout << "strlen  cArr8:" << strlen(cArr8) << endl;
	return 0;
}

大家不妨在这里暂停一下，思考一下每一个的输出是什么。

对比一下结果，和你预想的一样？
下面我解释一下每一个结果的原因：

简单总结一下，什么情况下会自动添加’\0’。

char str[]="abcde";
或给字符串加上大括号：char str[]={"abcde"};
或 char str[6]="abcde"

对于char str[10]={'a','b','c','d','e'};相当于char str[10]={'a','b','c','d','e','\0','\0','\0','\0','\0'}
但是如果后面初始化的长度等于字符数组的长度，则不会再添加\0，此时存在潜在错误。

char str[]={'1','2','3','4','5'};
这种方法定义时，系统不会自动在字符串的末尾加上字符串结束符;
此时用sizeof()函数可以正确求出其所占的内存大小；但用strlen()函数不能正确求出其长度，因为strlen是通过\0判断字符串结束的。
所以，采用该方法定义时，一般人为地加上\0,即char str[]={'1','2','3','4','5', '\0'};

int main(int argc, char** argv) {
	char cArr0[5] = { '\0' };
	char cArr1[5] = { 0 };
	char cArr2[5] = "abcd";
	char cArr3[5] = { 'a','b','c','d' };
	char cArr4[5] = { 'a','b','c','d','\0' };
	char cArr5[5] = { 'a','b','c','d' ,'e'};
	char cArr6[] = "abcde";
	char cArr7[] = { 'a','b','c','d','e' };
	char cArr8[5];
	memset(cArr8, 0, 5);
	//for 循环也可以初始化  这里略过

	cout << "sizeof  cArr0:" << sizeof(cArr0) << endl;
	cout << "sizeof  cArr1:" << sizeof(cArr1) << endl;
	cout << "sizeof  cArr2:" << sizeof(cArr2) << endl;
	cout << "sizeof  cArr3:" << sizeof(cArr3) << endl;
	cout << "sizeof  cArr4:" << sizeof(cArr4) << endl;
	cout << "sizeof  cArr5:" << sizeof(cArr5) << endl;
	cout << "sizeof  cArr6:" << sizeof(cArr6) << endl;
	cout << "sizeof  cArr7:" << sizeof(cArr7) << endl;
	cout << "sizeof  cArr8:" << sizeof(cArr8) << endl;
	return 0；
}

sizeof的结果很容易理解，如下：

下面我们说字符串，这里的字符串不是string而是char*这样的字符串。
在说之前，先简单介绍下C和C++的内存区域划分：
一个由C/C++编译的程序占用的内存分为以下几个部分
1、栈区（stack）— 由编译器自动分配释放 ，存放函数的参数值，局部变量的值等。其
操作方式类似于数据结构中的栈。
2、堆区（heap） — 一般由程序员分配释放， 若程序员不释放，程序结束时可能由OS回
收 。注意它与数据结构中的堆是两回事，分配方式倒是类似于链表，呵呵。
3、全局区（静态区）（static）—，全局变量和静态变量的存储是放在一块的，初始化的
全局变量和静态变量在一块区域， 未初始化的全局变量和未初始化的静态变量在相邻的另
一块区域。 - 程序结束后由系统释放。–>分别是data区，bbs区
4、文字常量区 —常量字符串就是放在这里的。 程序结束后由系统释放–>coment区
5、程序代码区—存放函数体的二进制代码。–>code区
如果有兴趣想进一步了解，大家可以ELF文件格式。

2.编码方式

有了上面的基础，我们来看一下这个同学问的问题(大佬略过)。

首先，如果没有编码相关基础的话，我们分析str1是5个字节，str2是5个字节，后面我们将str1改为“哈哈哈哈”，似乎没什么问题？？但是编译器为什么报告说栈中的str1周围内容被破坏了？
这里涉及到了C++的编码方式，我们自己编写CPP文件有自己的编码方式，我这里是utf-8，而程序中的字符也有自己的编码方式，注意这两者不一样！后者是有由具体的编译器决定的，是cpp中的字符在运行过程中的编码方式，也称为内码，前者也称为外码。
说了这么多，就是想说一句，在我的实验环境下(windows10 VS2019)c++中char类型的内码采用的是GBK方式，一个中文占2个字节，如下：

因此，当我们这里改变str1的值为“哈哈哈哈”后，相当于是将str1的空间变大了，因此破坏了其它变量的内容。这个问题你如果使用gcc来编译本身不会报错，VS这种IDE是为了尽最大可能帮你写出安全的程序，因此给你报错了。具体如下图：

既然说到了C++的内码编码方式，就多说一点：
C++中一个char占一个字节（8bit）。
中文字符，占用的是2个字节，即2个char。采用GBK编码。
英文字符，占用的是1个字节，即1个char。
宽字符wchar_t采用unicode字符集，编码方式为utf16
一个wchar_t占2个字节。16个bit位。
一个字符 占用一个 wchar_t，不管是中文字符还是英文字符。

了解了字符集相关知识后，我们怎么解决这个问题呢？下面介绍两种解决方案。
第一种方案：

第二种方案：

我们再扩展一下，如果程序是这个样子呢？

cin默认是以空格 换行 TAB为结尾，因此空格后面的内容无法被识别。
对于这种情况我们可以使用getline函数，它是以换行符为结束标志的。

2022.10.12日更新
之前写的东西还没有讲明白字符数组，今天有人问我一个相关问题，这里补充上。

int main(int argc, char** argv) {
	
	char h[] = { '李','李',0 };
	/*cout << sizeof(h) << endl;
	cout << strlen(h) << endl;
	cout << h << endl;*/
	char t[] = "李李";
	cout << h << endl;
	cout << t << endl;
	return 0;

问题是这样的，为什么两种的方式打印结果也不一样呢？

从这里可以看出h的字节数是3 而t是5，这其实就是两种初始化方式的区别，第一种初始化时每个单引号’'中的字符占一个字节，后一种方式初始化时会计算整体占据字节数，因此出现了这种差异。下面结合GBK编码集感受一下具体差异。
“李”的GBK编码是C0EE，因为第一种方式会将它截断为一个字节，因此保留EE，因此h保存的3个字节是 EE EE 00，打印时\0不打印，EEEE按照GBK解码正好是铑。
可以去这个网站自己动手试一下：
http://www.mytju.com/classcode/tools/encode_gb2312.asp