详细解说STL string

• 详细解说STL string
  • 0 前言: string 的角色
  • 1 string 使用
    • 1.1 充分使用string 操作符
    • 1.2 眼花缭乱的string find 函数
    • 1.3 string insert, replace, erase
  • 2 string 和 C风格字符串
  • 3 string 和 Charactor Traits
  • 4 string 建议
  • 5 小结
  • 6 附录
  • 7 参考文章

0 前言: string 的角色

C++ 语言是个十分优秀的语言，但优秀并不表示完美。还是有许多人不愿意使用C或者C++，为什么？原因众多，其中之一就是C/C++的文本处理功能太麻烦，用起来很不方便。以前没有接触过其他语言时，每当别人这么说，我总是不屑一顾，认为他们根本就没有领会C++的精华，或者不太懂C++，现在我接触perl, php, 和Shell脚本以后，开始理解了以前为什么有人说C++文本处理不方便了。

举例来说，如果文本格式是：用户名 电话号码，文件名name.txt %CODE{"bash"}% Tom 23245332 Jenny 22231231 Heny 22183942 Tom 23245332 ... %ENDCODE% 现在我们需要对用户名排序，且只输出不同的姓名。

那么在shell 编程中，可以这样用： %CODE{"bash"}% awk '{print $1}' name.txt | sort | uniq %ENDCODE% 简单吧？

如果使用C/C++ 就麻烦了，他需要做以下工作：

1. 先打开文件，检测文件是否打开，如果失败，则退出。
2. 声明一个足够大得二维字符数组或者一个字符指针数组
3. 读入一行到字符空间
4. 然后分析一行的结构，找到空格，存入字符数组中。
5. 关闭文件
6. 写一个排序函数，或者使用写一个比较函数，使用qsort排序
7. 遍历数组，比较是否有相同的，如果有，则要删除，copy...
8. 输出信息

你可以用C++或者C语言去实现这个流程。如果一个人的主要工作就是处理这种类似的文本(例如做apache的日志统计和分析),你说他会喜欢C/C++么？

 

当然，有了STL，这些处理会得到很大的简化。我们可以使用 fstream来代替麻烦的fopen fread fclose, 用vector 来代替数组。最重要的是用 string来代替char * 数组，使用sort排序算法来排序，用unique 函数来去重。听起来好像很不错 。看看下面代码(例程1）： %CODE{"cpp"}% #include #include #include #include #include using namespace std; int main(){ ifstream in("name.txt"); string strtmp; vector vect; while(getline(in, strtmp, '/n')) vect.push_back(strtmp.substr(0, strtmp.find(' '))); sort(vect.begin(), vect.end()); vector ::iterator it=unique(vect.begin(), vect.end()); copy(vect.begin(), it, ostream_iterator (cout, "/n")); return 0; } %ENDCODE% 也还不错吧，至少会比想象得要简单得多！（代码里面没有对错误进行处理，只是为了说明问题，不要效仿).

当然，在这个文本格式中，不用vector而使用map会更有扩充性，例如，还可通过人名找电话号码等等，但是使用了map就不那么好用sort了。你可以用map试一试。

这里string的作用不只是可以存储字符串，还可以提供字符串的比较，查找等。在sort和unique函数中就默认使用了less 和equal_to 函数, 上面的一段代码，其实使用了string的以下功能：

1. 存储功能，在getline() 函数中
2. 查找功能，在find() 函数中
3. 子串功能，在substr() 函数中
4. string operator < , 默认在sort() 函数中调用
5. string operator == , 默认在unique() 函数中调用

总之，有了string 后，C++的字符文本处理功能总算得到了一定补充，加上配合STL其他容器使用，其在文本处理上的功能已经与perl, shell, php的距离缩小很多了。 因此掌握string 会让你的工作事半功倍。

 

1 string 使用

其实，string并不是一个单独的容器，只是basic_string 模板类的一个typedef 而已，相对应的还有wstring, 你在string 头文件中你会发现下面的代码: %CODE{"cpp"}% extern "C++" { typedef basic_string string; typedef basic_string wstring; } // extern "C++" %ENDCODE% 由于只是解释string的用法，如果没有特殊的说明，本文并不区分string 和 basic_string的区别。

string 其实相当于一个保存字符的序列容器，因此除了有字符串的一些常用操作以外，还有包含了所有的序列容器的操作。字符串的常用操作包括：增加、删除、修改、查找比较、链接、输入、输出等。详细函数列表参看附录。不要害怕这么多函数，其实有许多是序列容器带有的，平时不一定用的上。

如果你要想了解所有函数的详细用法，你需要查看basic_string，或者下载STL编程手册。这里通过实例介绍一些常用函数。

1.1 充分使用string 操作符

string 重载了许多操作符，包括 +, +=, <, =, , [], <<, >>等，正式这些操作符，对字符串操作非常方便。先看看下面这个例子：tt.cpp（例程2） %CODE{"cpp"}% #include #include using namespace std; int main(){ string strinfo="Please input your name:"; cout << strinfo ; cin >> strinfo; if( strinfo == "winter" ) cout << "you are winter!"<<endl; else if( strinfo = "wende" ) cout << "you are not wende!"<<endl; else if( strinfo < "winter") cout << "your name should be ahead of winter"<<endl; else cout << "your name should be after of winter"<<endl; strinfo += " , Welcome to China!"; cout << strinfo<<endl; cout <<"Your name is :"<<endl; string strtmp = "How are you? " + strinfo; for(int i = 0 ; i < strtmp.size(); i ++) cout<<strtmp[i]; return 0; } %ENDCODE%

下面是程序的输出 %CODE{"bash"}% -bash-2.05b$ make tt c++ -O -pipe -march=pentiumpro tt.cpp -o tt -bash-2.05b$ ./tt Please input your name:Hero you are not wende! Hero , Welcome to China! How are you? Hero , Welcome to China! %ENDCODE%

有了这些操作符，在STL中仿函数都可以直接使用string作为参数，例如 less, great, equal_to 等，因此在把string作为参数传递的时候，它的使用和int 或者float等已经没有什么区别了。例如，你可以使用： %CODE{"cpp"}% map<string, int> mymap; //以上默认使用了 less %ENDCODE% 有了 operator + 以后，你可以直接连加，例如： %CODE{"cpp"}% string strinfo="Winter"; string strlast="Hello " + strinfo + "!"; //你还可以这样： string strtest="Hello " + strinfo + " Welcome" + " to China" + " !"; %ENDCODE% 看见其中的特点了吗？只要你的等式里面有一个 string 对象，你就可以一直连续"+"，但有一点需要保证的是，在开始的两项中，必须有一项是 string 对象。其原理很简单：

1. 系统遇到"+"号，发现有一项是string 对象。
2. 系统把另一项转化为一个临时 string 对象。
3. 执行 operator + 操作，返回新的临时string 对象。
4. 如果又发现"+"号，继续第一步操作。

由于这个等式是由左到右开始检测执行，如果开始两项都是const char* ，程序自己并没有定义两个const char* 的加法，编译的时候肯定就有问题了。

有了操作符以后，assign(), append(), compare(), at()等函数，除非有一些特殊的需求时，一般是用不上。当然at()函数还有一个功能，那就是检查下标是否合法，如果是使用： %CODE{"cpp"}% string str="winter"; //下面一行有可能会引起程序中断错误 str[100]='!'; //下面会抛出异常:throws: out_of_range cout<<str.at(100)<<endl; %ENDCODE% 了解了吗？如果你希望效率高，还是使用[]来访问，如果你希望稳定性好，最好使用at()来访问。

1.2 眼花缭乱的string find 函数

由于查找是使用最为频繁的功能之一，string 提供了非常丰富的查找函数。其列表如下：

函数名	描述
find	查找
rfind	反向查找
find_first_of	查找包含子串中的任何字符，返回第一个位置
find_first_not_of	查找不包含子串中的任何字符，返回第一个位置
find_last_of	查找包含子串中的任何字符，返回最后一个位置
find_last_not_of	查找不包含子串中的任何字符，返回最后一个位置

以上函数都是被重载了4次，以下是以find_first_of 函数为例说明他们的参数，其他函数和其参数一样，也就是说总共有24个函数 ： %CODE{"cpp"}% size_type find_first_of(const basic_string& s, size_type pos = 0) size_type find_first_of(const charT* s, size_type pos, size_type n) size_type find_first_of(const charT* s, size_type pos = 0) size_type find_first_of(charT c, size_type pos = 0) %ENDCODE% 所有的查找函数都返回一个size_type类型，这个返回值一般都是所找到字符串的位置，如果没有找到，则返回string::npos。有一点需要特别注意，所有和string::npos的比较一定要用string::size_type来使用，不要直接使用int 或者unsigned int等类型。其实string::npos表示的是-1, 看看头文件： %CODE{"cpp"}% template const basic_string<_CharT,_Traits,_Alloc>::size_type basic_string<_CharT,_Traits,_Alloc>::npos = basic_string<_CharT,_Traits,_Alloc>::size_type) -1; %ENDCODE%

find 和 rfind 都还比较容易理解，一个是正向匹配，一个是逆向匹配，后面的参数pos都是用来指定起始查找位置。对于find_first_of 和find_last_of 就不是那么好理解。

find_first_of 是给定一个要查找的字符集，找到这个字符集中任何一个字符所在字符串中第一个位置。或许看一个例子更容易明白。

有这样一个需求：过滤一行开头和结尾的所有非英文字符。看看用string 如何实现： %CODE{"cpp"}% #include #include using namespace std; int main(){ string strinfo=" //*---Hello Word!......------"; string strset="ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz"; int first = strinfo.find_first_of(strset); if(first == string::npos) { cout<<"not find any characters"<<endl; return -1; } int last = strinfo.find_last_of(strset); if(last == string::npos) { cout<<"not find any characters"<<endl; return -1; } cout << strinfo.substr(first, last - first + 1)<<endl; return 0; } %ENDCODE% 这里把所有的英文字母大小写作为了需要查找的字符集，先查找第一个英文字母的位置，然后查找最后一个英文字母的位置，然后用substr 来的到中间的一部分，用于输出结果。下面就是其结果： %CODE{"cpp"}% Hello Word %ENDCODE% 前面的符号和后面的符号都没有了。像这种用法可以用来查找分隔符，从而把一个连续的字符串分割成为几部分，达到 shell 命令中的 awk 的用法。特别是当分隔符有多个的时候，可以一次指定。例如有这样的需求： %CODE{"cpp"}% 张三|3456123, 湖南李四,4564234| 湖北王小二, 4433253|北京 ... %ENDCODE% 我们需要以 "|" ","为分隔符，同时又要过滤空格，把每行分成相应的字段。可以作为你的一个家庭作业来试试，要求代码简洁。

1.3 string insert, replace, erase

了解了string 的操作符，查找函数和substr，其实就已经了解了string的80%的操作了。insert函数, replace函数和erase函数在使用起来相对简单。下面以一个例子来说明其应用。

string只是提供了按照位置和区间的replace函数，而不能用一个string字串来替换指定string中的另一个字串。这里写一个函数来实现这个功能： %CODE{"cpp"}% void string_replace(string & strBig, const string & strsrc, const string &strdst) { string::size_type pos=0; string::size_type srclen=strsrc.size(); string::size_type dstlen=strdst.size(); while( (pos=strBig.find(strsrc, pos)) = string::npos){ strBig.replace(pos, srclen, strdst); pos += dstlen; } } %ENDCODE% 看看如何调用： %CODE{"cpp"}% #include #include using namespace std; int main() { string strinfo="This is Winter, Winter is a programmer. Do you know Winter?"; cout<<"Orign string is :/n"<<strinfo<<endl; string_replace(strinfo, "Winter", "wende"); cout<<"After replace Winter with wende, the string is :/n"<<strinfo<<endl; return 0; } %ENDCODE% 其输出结果： %CODE{"cpp"}% Orign string is : This is Winter, Winter is a programmer. Do you know Winter? After replace Winter with wende, the string is : This is wende, wende is a programmer. Do you know wende? %ENDCODE% 如果不用replace函数，则可以使用erase和insert来替换，也能实现string_replace函数的功能： %CODE{"cpp"}% void string_replace(string & strBig, const string & strsrc, const string &strdst) { string::size_type pos=0; string::size_type srclen=strsrc.size(); string::size_type dstlen=strdst.size(); while( (pos=strBig.find(strsrc, pos)) = string::npos){ strBig.erase(pos, srclen); strBig.insert(pos, strdst); pos += dstlen; } } %ENDCODE% 当然，这种方法没有使用replace来得直接。

2 string 和 C风格字符串

现在看了这么多例子，发现const char* 可以和string 直接转换，例如我们在上面的例子中，使用 %CODE{"cpp"}% string_replace(strinfo, "Winter", "wende"); %ENDCODE% 来代用 %CODE{"cpp"}% void string_replace(string & strBig, const string & strsrc, const string &strdst) %ENDCODE% 在C语言中只有char* 和 const char*，为了使用起来方便，string提供了三个函数满足其要求： %CODE{"cpp"}% const charT* c_str() const const charT* data() const size_type copy(charT* buf, size_type n, size_type pos = 0) const %ENDCODE% 其中：

1. c_str 直接返回一个以/0结尾的字符串。
2. data 直接以数组方式返回string的内容，其大小为size()的返回值，结尾并没有/0字符。
3. copy 把string的内容拷贝到buf空间中。

你或许会问，c_str()的功能包含data()，那还需要data()函数干什么？看看源码： %CODE{"cpp"}% const charT* c_str () const { if (length () == 0) return ""; terminate (); return data (); } %ENDCODE% 原来c_str()的流程是：先调用terminate()，然后在返回data()。因此如果你对效率要求比较高，而且你的处理又不一定需要以/0的方式结束，你最好选择data()。但是对于一般的C函数中，需要以const char*为输入参数，你就要使用c_str()函数。

对于c_str() data()函数，返回的数组都是由string本身拥有，千万不可修改其内容。其原因是许多string实现的时候采用了引用机制，也就是说，有可能几个string使用同一个字符存储空间。而且你不能使用sizeof(string)来查看其大小。详细的解释和实现查看Effective STL的条款15：小心string实现的多样性。

另外在你的程序中，只在需要时才使用c_str()或者data()得到字符串，每调用一次，下次再使用就会失效，如： %CODE{"cpp"}% string strinfo("this is Winter"); ... //最好的方式是: foo(strinfo.c_str()); //也可以这么用: const char* pstr=strinfo.c_str(); foo(pstr); //不要再使用了pstr了, 下面的操作已经使pstr无效了。 strinfo += " Hello!"; foo(pstr);//错误！ %ENDCODE% 会遇到什么错误？当你幸运的时候pstr可能只是指向"this is Winter Hello!"的字符串，如果不幸运，就会导致程序出现其他问题，总会有一些不可遇见的错误。总之不会是你预期的那个结果。

 

3 string 和 Charactor Traits

了解了string的用法，该详细看看string的真相了。前面提到string 只是basic_string的一个typedef。看看basic_string 的参数： %CODE{"cpp"}% template <class charT, class traits = char_traits , class Allocator = allocator > class basic_string { //... } %ENDCODE% char_traits不仅是在basic_string 中有用，在basic_istream 和 basic_ostream中也需要用到。

就像Steve Donovan在过度使用C++模板中提到的，这些确实有些过头了，要不是系统自己定义了相关的一些属性，而且用了个typedef，否则还真不知道如何使用。

但复杂总有复杂道理。有了char_traits，你可以定义自己的字符串类型。当然，有了char_traits < char > 和char_traits < wchar_t > 你的需求使用已经足够了，为了更好的理解string ，咱们来看看char_traits都有哪些要求。

如果你希望使用你自己定义的字符，你必须定义包含下列成员的结构：

表达式	描述
char_type	字符类型
int_type	int 类型
pos_type	位置类型
off_type	表示位置之间距离的类型
state_type	表示状态的类型
assign(c1,c2)	把字符c2赋值给c1
eq(c1,c2)	判断c1,c2 是否相等
lt(c1,c2)	判断c1是否小于c2
length(str)	判断str的长度
compare(s1,s2,n)	比较s1和s2的前n个字符
copy(s1,s2, n)	把s2的前n个字符拷贝到s1中
move(s1,s2, n)	把s2中的前n个字符移动到s1中
assign(s,n,c)	把s中的前n个字符赋值为c
find(s,n,c)	在s的前n个字符内查找c
eof()	返回end-of-file
to_int_type(c)	将c转换成int_type
to_char_type(i)	将i转换成char_type
not_eof(i)	判断i是否为EOF
eq_int_type(i1,i2)	判断i1和i2是否相等

想看看实际的例子，你可以看看sgi STL的 char_traits结构源码.

现在默认的string版本中，并不支持忽略大小写的比较函数和查找函数，如果你想练练手，你可以试试改写一个char_traits , 然后生成一个case_string类, 也可以在string 上做继承，然后派生一个新的类，例如：ext_string，提供一些常用的功能，例如：

1. 定义分隔符。给定分隔符，把string分为几个字段。
2. 提供替换功能。例如，用winter, 替换字符串中的wende
3. 大小写处理。例如，忽略大小写比较，转换等
4. 整形转换。例如把"123"字符串转换为123数字。

这些都是常用的功能，如果你有兴趣可以试试。其实有人已经实现了，看看 Extended STL string。如果你想偷懒，下载一个头文件就可以用，有了它确实方便了很多。要是有人能提供一个支持正则表达式的string，我会非常乐意用。

 

4 string 建议

使用string 的方便性就不用再说了，这里要重点强调的是string的安全性。

1. string并不是万能的，如果你在一个大工程中需要频繁处理字符串，而且有可能是多线程，那么你一定要慎重(当然，在多线程下你使用任何STL容器都要慎重)。
2. string的实现和效率并不一定是你想象的那样，如果你对大量的字符串操作，而且特别关心其效率，那么你有两个选择，首先，你可以看看你使用的STL版本中string实现的源码；另一选择是你自己写一个只提供你需要的功能的类。
3. string的c_str()函数是用来得到C语言风格的字符串，其返回的指针不能修改其空间。而且在下一次使用时重新调用获得新的指针。
4. string的data()函数返回的字符串指针不会以'/0'结束，千万不可忽视。
5. 尽量去使用操作符，这样可以让程序更加易懂（特别是那些脚本程序员也可以看懂）

5 小结

难怪有人说：
string 使用方便功能强，我们一直用它！

 

6 附录

string 函数列表

函数名	描述
begin	得到指向字符串开头的Iterator
end	得到指向字符串结尾的Iterator
rbegin	得到指向反向字符串开头的Iterator
rend	得到指向反向字符串结尾的Iterator
size	得到字符串的大小
length	和size函数功能相同
max_size	字符串可能的最大大小
capacity	在不重新分配内存的情况下，字符串可能的大小
empty	判断是否为空
operator[]	取第几个元素，相当于数组
c_str	取得C风格的const char* 字符串
data	取得字符串内容地址
operator=	赋值操作符
reserve	预留空间
swap	交换函数
insert	插入字符
append	追加字符
push_back	追加字符
operator+=	+= 操作符
erase	删除字符串
clear	清空字符容器中所有内容
resize	重新分配空间
assign	和赋值操作符一样
replace	替代
copy	字符串到空间
find	查找
rfind	反向查找
find_first_of	查找包含子串中的任何字符，返回第一个位置
find_first_not_of	查找不包含子串中的任何字符，返回第一个位置
find_last_of	查找包含子串中的任何字符，返回最后一个位置
find_last_not_of	查找不包含子串中的任何字符，返回最后一个位置
substr	得到字串
compare	比较字符串
operator+	字符串链接
operator==	判断是否相等
operator!=	判断是否不等于
operator<	判断是否小于
operator>>	从输入流中读入字符串
operator<<	字符串写入输出流
getline	从输入流中读入一行

 

7 参考文章

1. SGI STL: char_traits 源码
2. STL 编程手册: basic_string
3. 详细解说 STL 排序(Sort)
4. 详细解说 STL hash_map系列
5. Effective STL 中文版

论坛讨论 ：讨论：详细解说STL string