很想写一篇文章来谈一下C/C++中的char和string，顺带也可以说一下python中的string，因为我学习语言的顺序是先学了C再学python然后学C++，一开始对这两个数据类型并没有很敏感，前几天在用C写代码的时候，发现在使用char *和char ch[]的时候有些模糊，而且在给它们初始化或者赋值的时候也会出错。在传统的C里面，我们可以初始化一个定长的char数组，但不能直接给一个定长的char数组赋值：
1 | char ch[20] = "Hello,world!"; // valid |
编译器会提示你：
array type 'char [20]' is not assignable
这个时候我们需要用到strcpy()函数，它存在于string.h头文件当中，使用前你需要include这个头文件。
1 | char sh[20]； |
一.char类型详解
1.char与字符的关系
在C/C++中，char是定义一个字符，存储一个字符，占一个字节(byte)，在内存中占8位(bit)。
我们需要知道这个知识点，在计算机中，通常8位代表一个字节，即1byte = 8bits。
所以一个signed char的范围为-128-127，unsigned char的范围为0-255。
计算机通常用二进制存储信息，所以我们在计算机上看到的汉字、英文等字符是二进制数转换的结果。那么有时候我们在打开一个网页或文件的时候，显示一堆乱码是什么情况呢？这就需要探讨一下不同的字符集。
2.什么是字符集
字符集(charset)是一个系统支持的所有抽象字符的集合。字符是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。常见的字符集比如ASCII码，它是由美国ANSI制定的，主要包括控制字符（回车键、退格、换行键等）和可显示字符（英文大小写字符、阿拉伯数字和西文符号）。
1 | for (int i=32; i<128; ++i) { |
打印的结果如下：
1 | [ 32 -> ] [ 33 -> !] [ 34 -> "] [ 35 -> #] [ 36 -> $] [ 37 -> %] [ 38 -> &] [ 39 -> '] [ 40 -> (] |
传统的128个ASCII码有33个是控制字符(0-31, 127)，是不可显示的，剩下的都是可显示字符。
除了ASCII码之外，还有GBxxxx(汉字编码字符集)，Unicode(统一码、万国码、单一码、标准万国码)。
3.如何表示字符
通俗的说，按照何种规则将字符存储在计算机中，如’a’用什么表示，称为”编码“；反之，将存储在计算机中的二进制数解析显示出来，称为”解码“，如同密码学中的加密和解密。
汉字的编码标准，GBK；Unicode的编码标准，UTF。
在解码过程中，如果使用了错误的解码规则，则导致’a’解析成’b’或者乱码。
4.C++中的字符类型
C++提供了几种字符类型，并非只有8bits的char。比如我们熟知的ASCII码，在这种字符集系统上C++的字节确实是8位，然而在国际编程中采用更大的字符集比如Unicode等时，8位组合无法表示所有字符，因此一个字节可能需要16位甚至更多，在这种系统上，C++中的一个字节可能就不是代表8bit了，这是C++对字节的定义，这里我们一定不能搞混淆了。
| 类型 | 含义 | 最小尺寸 |
|---|---|---|
| char | 字符 | 8位 |
| wchar_t | 宽字符 | 16位 |
| char16_t | Unicode字符 | 16位 |
| char32_t | Unicode字符 | 32位 |
其他字符集用于扩展字符集，如wchar_t、char16_t、char32_t。wchar_t类型用于确保可以存放机器最大扩展字符集中的任意一个字符，类型char16_t和char32_t则为Unicode字符集服务。
二.char数组和char指针的区别和联系
在C语言中，对字符串的操作主要有两种方式，一是字符数组(char[])，二是使用字符指针(char*)。
1.char数组
1 | char a[] = {'h','e','l','l','o','~'}; |
这张图可以很明显看出来不同方式声明并初始化char数组的效果是不同的。
第一种 char a[] = {'h','e','l','l','o','~'}; 声明了一个char数组，不知道分配多大空间，根据右边的字符数组初始化char数组来确定最终的分配空间，给了6个字符，分配了6个sizeof(char)；
第二种 char c[] = "hello~"; 也是声明了一个不知道分配多少空间的char数组，但使用字符串字面值(string literal)初始化char数组之后，实际分配的空间比我们看到的字符串面值的要多一个<0x00>，也表示为’\0’；
第三种 char ch[10] = "Hello~"; 声明了长度为10的char数组，编译器为该数组分配了10个单位的内存，然后初始化，多余没有用到的内存就用’\0’填充，如果初始化的字符串字面值长度比分配的内存长，则会报错。
但C语言不允许我们直接声明一个不知道会分配多少内存空间的char数组，
1 | char a[]; // invalid |
char[]经过初始化后就会变成有固定长度的char数组。
但这个时候我们如果想给char数组重新赋值，
1 | char ch[10]; |
我们要怎么去理解上面这个操作呢？
我记得我在大一学C语言的时候，老师讲过说，数组名可以理解为指向这个数组的指针。那既然是指针为什么不能给这个指针重新赋值呢？
很简单，数组名是数组名，指针是指针，他们是不能划等号的，老师说的是让你理解成指针，并不是说数组名就是指针！！！
有个很简单的方法可以证明，你就看sizeof(a)。
指针是指向一个内存地址的对象，无论是void ，char 还是int * ，C语言中指向各种数据的指针大小是一致的，在64位的机器上，占8个字节**，32位的机器上是4个字节。
1 | char* p; |
通过看sizeof()的大小，我们可以发现数组名并不是指针，那数组名到底是什么呢？它和指针又有什么关系呢？
那我们不如来看一下他们的“庐山真面目”：
1 | p = ch; |
通过上面的打印结果我们可以看到，指针指向的地址和存放这个指针的地址是不一样的，而数组名指向的地址和数组名所在的地址是一样的……听着有点绕，其实已经很清楚了：
ch数组名代表的就是char数组第一个元素地址的值，但它不是指针，只是对应着（而不是指向）一块内存，是个常量(const)，常量是不可以修改的，所以我们是不能给这个常量去赋值。
简言之，数组名是一个地址，而非指针，虽然两者数值相同，但是不是同一个东西。
所以我们要记住，数组名只是代表数组第一个元素的地址的值，比如数组 int a[10]，a实际上就是 &a[0]，它只是一个值，就像 5 这类东西一样，是不能作为左值的，不能给它赋值。
我想把数组名的真相继续深究下去，就拿char ch[10];来说，ch不是「指向char的指针」类型，ch是「长度为10的char数组」类型；&ch也不是「指向指针的指针」类型，而是「指向长度为10的char数组的指针」类型，虽然ch和&ch的值是一样的，但他们是完全不同的类型，不可混淆。
1 | char* p1 = &ch; // invalid |
虽然p2看起来像个二维数组，但我们还是要弄清楚他们的本质是不一样的，因为二维数组是数组的数组，而p2是数组的指针。
以上，除了sizeof(ch)和&ch以外，其余的情况下，ch可以看成指向首地址的指针，可以看成char* 类型。
1 | ch[1] = 'E'; |
2.char指针
当我们使用char指针来定义一个字符串的时候，
1 | char* p0 = "C++!!!"; |
把这个warning转换成中文的意思是：“警告：不建议将字符串文字转换为’char *’[-Wc ++ 11-compat-deprecated-writable-strings]”。
虽说是个warning，说明执行是没有问题的，但后面提示说这个语法不推荐使用(deprecated)，这是为什么呢？
在继续讲之前我们需要说一下C/C++的内存分配，内存分配是面试时候面试官问的高频问题。当我们定义一个字符串数组char a[]，这是属于静态分配，建立的静态数组，它是在栈空间分配内存；而动态方式使用new或malloc，是在堆上分配内存。string literal(字符串字面值)是常量(const)，常量存储在常量区，常量的字符串一般存在常量区，程序结束后由系统释放。
我们再回过头来看上面的定义和初始化语句：char* p0 = "C++!!!"; p0在栈上，而字符串常量”C++!!!\0“在常量区。我们可以这么理解，我们在栈上定义了一个指针p0，这个时候并没有为其分配内存，同时在常量区分配了一块内存放字符串常量”C++!!!\0”，然后让p0指向常量区这块内存的首地址。听起来没有问题，但为什么会有warning？
主要问题还是在于等号右边的这个string literal，它是个const啊，const是不能修改的 (可以回顾一下这篇文章)。我们不能用一个简单的pointer去指向一个const，得用pointer to const，这样指针所指向的对象才是常量，不可变的。
所以正确的写法应该是
1 | const char* p0 = "C++!!!"; // valid |
这种情况下我们并不好去修改p0所指向的字符串的值，这个时候我们可以想起数组……
1 | char ch[] = "Gooooo"; |
三.string和char的区别
刚刚我们谈了关于char的很多东西，那么string和char又有什么关系呢？
在C++ primer一书中有介绍说，char字符属于C++的基本内置类型，包括前面说的wchar_t、char16_t和char32_t，都是primitive type（原始类型）。而在C++里。string是作为标准库类型，成为了一个类(class)，封装在string头文件里，当我们使用string类时，需要先include< string >，string表示的是可变长的字符序列。
关于string的语法我后面会再写一篇文章来记录，就不在此多说了，发表一下个人看法，有了string类之后，可以弥补之前char指针和char数组在字符串相关操作的不足，然而，熟悉C++语法的人也知道，string类也不只是封装了个char数组这么简单。虽说string中重载了各种操作符，还有各种find函数，给我们带来便利，但我们也不能忽视在复杂环境或多线程下频繁处理string类时的安全性，string不是万能的，不管是在C++还是Python当中，你使用时没有发生错误只是因为你只走到了这一步，并不意味它真的是完美(perfect)的。
顺带说一笔Python中的string吧，Python中有五个标准的数据类型：
Numbers（数字）
String（字符串）
List（列表）
Tuple（元组）
Dictionary（字典）
没错。Python没有char类型，所以在Python中，str = "Hello~"和str = 'Hello~'是没有区别的，str都是字符串，而在C/C++中，字符串或者char数组对应的需要用双引号来表示，而字符对应的需要用单引号来表示，如果你char c = "C"，那这就是错的。
四.相关文章
- C++中char类型详解
- 字符集和字符编码（Charset & Encoding）
- C 语言里为什么这样初始化字符串是错误的？
- char数组与char指针的区别与联系
- 知乎：c中，数组名跟指针有区别吗？
- Conversion from string literal to ‘char *’ is deprecated 问题原因
- C++ 数组在内存中的分配
- c/c++中string与char的区别
五.文章中的源码
1 |
|