重学C++ (一)

序

一直以来都把C++当作C+template+STL，然而C++其实远不止此。

有天，大师兄神神秘秘地叫住我：“给你看段C++，猜猜它是在做什么？”显然我并没有看懂。据他说这四行代码牵涉到C++的五个较为罕见的语法点orz

于是就有了写本系列博客的欲望。以C++11标准的Working Draft为根据，以期总结一些以前不太留意的、比较有意思的C/C++特性。

记得有位哲人曾经说过这么一句话，我认为非常切题：

大一就已经学过C++，到了大四却看不懂几行代码。

没错这是我说的。

Trigraph Sequences

Trigraph Sequences是一个古老且讨厌的东西。它出现的原因是某些键盘只支持ISO 646——C/C++语言标准中包含了该字符集以外的一些字符(#{}[]等)。

虽然我感觉这辈子也遇不到一个这样的键盘，但C/C++的预处理程序还是会乖乖地把程序中所有的Trigraph Sequences给替换掉。

C99或是C++0x下的一个有趣的例子：

int i = 0;
//test??/
i++;

打印出i后可以发现i++根本没有被执行。因为??/被替换成了\，而这会把下一行与本行拼接起来。

所以在我们写程序时要时刻注意两个问号连用的情况，无论是在注释还是在字符串中(可能会报warning，g++中可以使用-Wno-trigraphs关闭提示)。下面是C++11(也有人管它叫C++0x)标准中规定的所有Trigraph Sequences：

Trigraph	Replacement	Trigraph	Replacement	Trigraph	Replacement
??=	#	??(	[	??<	{
??/	\	??)	]	??>	}
??’	^	??!	|	??-	~

还有一个需要非常留意的地方：在预编译阶段Trigraph的替换是首先会发生的操作，在任何其他的预处理之前。

Alternative Tokens

Trigraph有效地解决了ISO 646的问题，然而这么写程序真的是太丑了：

//#define arraycheck(a,b) a[b] || b[a]
??=define arraycheck(a,b) a??(b??) ??!??! b??(a??)

于是人们发明了第二套方案，使用Alternative Token来替换无法显示的token：

//#define arraycheck(a,b) a[b] || b[a]
%:define arraycheck(a,b) a<:b:> or b<:a:>

好看多了是吧。

在C中同样的东西是以宏的形式定义在<iso646.h>中，而在C++中是内建在语法中的。

为什么要使用token这个词，而不像Trigraph一样用Sequence呢？前面提到过，在预编译阶段Trigraph的替换是首先发生的，是在识别token之前的。这意味着不论这个Trigraph的位置在哪里它都会被替换。

而在C++11中提到，Alternative Tokens会以token为单位替换它的原始token。作为比较，可以在g++中使用-std=c++11编译选项，运行一下这段程序：

cout << "??(" << endl; //print [
cout << "<:" << endl;  //print <:

下面是C++11规定的所有Alternative Tokens：

Alternative	Primitive	Alternative	Primitive	Alternative	Primitive
<%	{	and	&&	and_eq	&=
%>	}	bitor	|	or_eq	|=
<:	[	or	||	xor_eq	^=
:>	]	xor	^	not	!
%:	#	compl	~	not_eq	!=
%:%:	#	bitand	&

注意到，此处把%:%:当作一个整体而不是两个独立的%:，这正是一个完整的token(区别于C中的宏定义形式)。

Escape Sequence

转义字符其实没什么多说的。

以前忽略的一点是八进制或十六进制数形式的直接转义。前者直接就是\ooo，后者\xhhh要在前面加一个x。最常用的就是\0啦。

这种形式的转义，八进制字符最多有三个，而对十六进制的合法字符来说并没有什么数目的限制，碰到第一个非法字符即认为character literal结束。溢出怎么办，就由编译器决定咯。

Raw String

为了简化包含大量需要转义字符的字符串的书写，python采用了原始字符串的方法，C++11也开始使用这一概念：

$$prefix_{opt}R"delimiter_{opt}\left(raw\_character_{opt}*\right)delimiter_{opt}"$$

1. $prefix$是可选项，包括u8、u、U和L。前三者是从C++11开始才有的新特性。这四种前缀对应的字符串类型分别为const char[]、const char_16[]、const char_32[]和const wchar_t[]。
2. 字母$R$是Raw String的标志。
3. $delimiter$是可选项，的作用是标记Raw String的开头和结尾，至多16个字符。这16个字符中不能出现转义符\、左右圆括号()和空格等空白字符。注意开头结尾的两个$delimiter$是一样的。
4. $raw\_character$也是可选项。它们被包含在d(和)d之间，不能包含结束符号组合)d。其中d代表一个特定的$delimiter$，可以为空。

Raw String能Raw到什么程度呢？它连源代码中的换行符也不会放过的：

const char *p = R"(a\
b
    c)";
assert(std::strcmp(p, "a\\\nb\n\tc") == 0);

更神奇的是这个：

const char *p = R"(??)";
assert(std::strcmp(p, "\?\?") == 0);

如果看过前面关于Trigraph Sequences的介绍，这两句的重要性就不言而喻了。显然，Trigraph替换是在识别任何token之前发生的，但为何这里咋又变回来了呢？

且听下回分解。

---

转载请注明出处，欢迎关注我的新浪微博@窃听者Oscar