C++種string的實現方式

這篇文章主要講解了“C++種string的實現方式”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“C++種string的實現方式”吧！

常見的string實現方式有兩種，一種是深拷貝的方式，一種是COW（copy on write）寫時拷貝方式，以前多數使用COW方式，但由于目前多線程使用越來越多，COW技術在多線程中會有額外的性能惡化，所以現在多數使用深拷貝的方式，但了解COW的技術實現還是很有必要的。

這里會對這兩種方式都進行源碼分析，正文內容較少，更多內容都在源碼的注釋中。

string的內容主要在gcc源碼的三個文件中：<string>、<basic_string.h>、<basic_string.tcc>

在分析前先介紹下string或者C++ stl中幾個基本的概念：

•  size: 表示真實數據的大小，一般resize函數改變的就是這個值。

•  capacity：表示內部實際已經分配的內存大小，capacity一定大于等于size，當size超過這個容量時會觸發重新分配機制，一般reserve函數改變的就是這個值。

深拷貝下string的實現

<string>文件中有如下代碼：

// file: string  using string = basic_string<char>;

這里可以看到string其實真實的樣子是basic_string，這里可以看下basic_string真實的結構：

template <typename _CharT, typename _Traits, typename _Alloc>  class basic_string {     // Use empty-base optimization: http://www.cantrip.org/emptyopt.html     struct _Alloc_hider : allocator_type  // TODO check __is_final    {         _Alloc_hider(pointer __dat, const _Alloc& __a) : allocator_type(__a), _M_p(__dat) {}         _Alloc_hider(pointer __dat, _Alloc&& __a = _Alloc()) : allocator_type(std::move(__a)), _M_p(__dat) {}         /**          * _M_p指向實際的數據          */         pointer _M_p;  // The actual data.    };     _Alloc_hider _M_dataplus;     /**      * 真實數據的長度，等價于前面介紹的STL中的size      */     size_type _M_string_length;     enum { _S_local_capacity = 15 / sizeof(_CharT) };     /**      * 這里有個小技巧，用了union      * 因為使用_M_local_buf時候不需要關注_M_allocated_capacity      * 使用_M_allocated_capacity時就不需要關注_M_local_buf      * 繼續向下看完您就會明白。      */     union {         _CharT _M_local_buf[_S_local_capacity + 1];         /**          * 內部已經分配的內存的大小，等價于前面介紹的STL中的capacity          */         size_type _M_allocated_capacity;    };  };

從這里可以看見整個basic_string的結構如圖：

看下面代碼：

string str;

這段代碼會調用普通構造函數，對應的源碼實現如下：

basic_string() : _M_dataplus(_M_local_data()) { _M_set_length(0); }

而_M_local_data()的實現如下：

const_pointer _M_local_data() const {     return std::pointer_traits<const_pointer>::pointer_to(*_M_local_buf);  }

這里可以看見M_dataplus表示實際存放數據的地方，當string是空的時候,其實就是指向M_local_buf，且_M_string_length是0。

當由char*構造string時，構造函數如下：

basic_string(const _CharT* __s, size_type __n, const _Alloc& __a = _Alloc()) : _M_dataplus(_M_local_data(), __a) {     _M_construct(__s, __s + __n);  }

首先讓M_dataplus指向local_buf，再看下M_construct的實現，具體分析可以看下我代碼中添加的注釋：

/***  * _M_construct有很多種不同的實現，不同的迭代器類型有不同的優化實現，  * 這里我們只需要關注一種即可，整體思路是相同的。  */  template <typename _CharT, typename _Traits, typename _Alloc>  template <typename _InIterator>  void basic_string<_CharT, _Traits, _Alloc>::_M_construct(_InIterator __beg, _InIterator __end,                                                          std::input_iterator_tag) {    size_type __len = 0;    size_type __capacity = size_type(_S_local_capacity);    // 現在__capacity是15，注意這個值等會可能會改變    while (__beg != __end && __len < __capacity) {        _M_data()[__len++] = *__beg;        ++__beg;    }    /** 現在_M_data()指向的是_M_local_buf      * 上面最多會拷貝_S_local_capacity即15個字節，繼續往下看，      * 當超過_S_local_capacity時會重新申請一塊堆內存，_M_data()會去指向這塊新內存      */    __try {        while (__beg != __end) {            if (__len == __capacity) {                /**                  * 就是在這里，當string內capacity不夠容納len個字符時，會使用_M_create去擴容                  * 這里你可能會有疑惑，貌似每次while循環都會去重新使用_M_create來申請多一個字節的內存                  * 但其實不是，_M_create的第一個參數的傳遞方式是引用傳遞，__capacity會在內部被修改，稍后會分析                  */                __capacity = __len + 1;                pointer __another = _M_create(__capacity, __len);                /**                  * 把舊數據拷貝到新的內存區域，_M_data()指向的是舊數據，__another指向的是新申請的內存                  */                this->_S_copy(__another, _M_data(), __len);                /**                  * __M_dispose()                  * 釋放_M_data()指向的舊數據內存，如果是_M_local_buf則不需要釋放，稍后分析                  */                _M_dispose();                /**                  * _M_data()                  * 內部的指向內存的指針指向這塊新申請的內存__another，它的實現其實就是                  * void _M_data(pointer __p) { _M_dataplus._M_p = __p; }                  */                _M_data(__another);                /**                  * _M_allocated_capacity設置為__capacity                  * 實現為 void _M_capacity(size_type __capacity) { _M_allocated_capacity = __capacity; }                  */                _M_capacity(__capacity);            }            _M_data()[__len++] = *__beg;            ++__beg;        }    }    __catch(...) {        /**          * 異常發生時，避免內存泄漏，會釋放掉內部申請的內存          */        _M_dispose();        __throw_exception_again;    }    /**      * 最后設置string的長度為__len      * 實現為void _M_length(size_type __length) { _M_string_length = __length; }      */    _M_set_length(__len);  }

再分析下內部的內存申請函數_M_create：

/**  * @brief _M_create表示申請新內存  * @param __capacity 想要申請的內存大小，注意這里參數傳遞方式是引用傳遞，內部會改變其值  * @param __old_capacity 以前的內存大小  */  template <typename _CharT, typename _Traits, typename _Alloc>  typename basic_string<_CharT, _Traits, _Alloc>::pointer basic_string<_CharT, _Traits, _Alloc>::_M_create(    size_type& __capacity, size_type __old_capacity) {    /**      * max_size()表示標準庫容器規定的一次性可以分配到最大內存大小      * 當想要申請的內存大小最大規定長度時，會拋出異常      */    if (__capacity > max_size()) std::__throw_length_error(__N("basic_string::_M_create"));    /**      * 這里就是常見的STL動態擴容機制，其實常見的就是申請為__old_capacity的2倍大小的內存，最大只能申請max_size()      * 注釋只是說了常見的內存分配大小思想，不全是下面代碼的意思，具體可以直接看下面這幾行代碼哈      */    if (__capacity > __old_capacity && __capacity < 2 * __old_capacity) {        __capacity = 2 * __old_capacity;        // Never allocate a string bigger than max_size.        if (__capacity > max_size()) __capacity = max_size();    }    /**      * 使用內存分配子去分配__capacity+1大小的內存，+1是為了多存儲個\0      */    return _Alloc_traits::allocate(_M_get_allocator(), __capacity + 1);  }

再分析下內部的內存釋放函數_M_dispose函數:

/**  * 如果當前指向的是本地內存那15個字節，則不需要釋放  * 如果不是，則需要使用_M_destroy去釋放其指向的內存  */  void _M_dispose() {    if (!_M_is_local()) _M_destroy(_M_allocated_capacity);  }  /**  * 判斷下當前內部指向的是不是本地內存  * _M_local_data()即返回_M_local_buf的地址  */  bool _M_is_local() const { return _M_data() == _M_local_data(); }  void _M_destroy(size_type __size) throw() {    _Alloc_traits::deallocate(_M_get_allocator(), _M_data(), __size + 1);  }

再分析下basic_string的拷貝構造函數：

/**  * basic_string的拷貝構造函數  * 其實就是每次都做一次深拷貝  */  basic_string(const basic_string& __str)    : _M_dataplus(_M_local_data(), _Alloc_traits::_S_select_on_copy(__str._M_get_allocator())) {    _M_construct(__str._M_data(), __str._M_data() + __str.length());  }

再分析下basic_string的賦值構造函數：

/**  * 賦值構造函數，調用了assign函數  */  basic_string& operator=(const basic_string& __str) { return this->assign(__str); }  /**  * 調用了_M_assign函數  */  basic_string& assign(const basic_string& __str) {    this->_M_assign(__str);    return *this;  }  /**  * 賦值的核心函數  */  template <typename _CharT, typename _Traits, typename _Alloc>  void basic_string<_CharT, _Traits, _Alloc>::_M_assign(const basic_string& __str) {    if (this != &__str) {        const size_type __rsize = __str.length();        const size_type __capacity = capacity();        /**          * 如果capacity不夠用，需要進行重新分配          */        if (__rsize > __capacity) {            size_type __new_capacity = __rsize;            pointer __tmp = _M_create(__new_capacity, __capacity);            _M_dispose();            _M_data(__tmp);            _M_capacity(__new_capacity);        }        /**          * 將__str指向的內存拷貝到當前對象指向的內存上          */        if (__rsize) this->_S_copy(_M_data(), __str._M_data(), __rsize);        _M_set_length(__rsize);    }  }

再分析下移動構造函數：

/**  * 移動構造函數，其實就是把src指向的內存移動到了dst種  */  basic_string(basic_string&& __str) noexcept : _M_dataplus(_M_local_data(), std::move(__str._M_get_allocator())) {    if (__str._M_is_local()) {        traits_type::copy(_M_local_buf, __str._M_local_buf, _S_local_capacity + 1);    } else {        _M_data(__str._M_data());        _M_capacity(__str._M_allocated_capacity);    }    // Must use _M_length() here not _M_set_length() because    // basic_stringbuf relies on writing into unallocated capacity so    // we mess up the contents if we put a '\0' in the string.    _M_length(__str.length());    __str._M_data(__str._M_local_data());    __str._M_set_length(0);  }

移動賦值函數和移動構造函數類似，就不作過多分析啦。

COW方式下string的實現

先看下部分源代碼了解下COW的basic_string的結構：

template <typename _CharT, typename _Traits, typename _Alloc>  class basic_string {    private:    struct _Rep_base {        /**          * string實際數據的大小          * 字符串真正存儲的是正常字符串數據加上一個\0，真正的長度其實是_M_length+1          */        size_type _M_length;        /**          * string當前已經分配了的內存大小          * _M_capacity一定不小于_M_length，內存分配總是以_M_capacity+1為單位          */        size_type _M_capacity;        /**          * _M_refcount表示string的引用計數，取值可以分為三種：          * -1：可能內存泄漏，有一個變量指向字符串，字符串可以被更改，不允許拷貝，當          * _M_refcount為-1時，表示這個string對象不會再和其它string對象共享啦。          * 0：有一個變量指向字符串，字符串可以被更改。          * n>=1：有n+1個變量指向字符串，對該字符串操作時應該加鎖，字符串不可以被更改。          */        _Atomic_word _M_refcount;    };    /**      * _Rep繼承自_Rep_base      * 主要目的就是繼承_Rep_base的三個成員_M_length、_M_capacity、_M_refcount      */    struct _Rep : _Rep_base {        // Types:        typedef typename _Alloc::template rebind<char>::other _Raw_bytes_alloc;        static const size_type _S_max_size;        static const _CharT _S_terminal; // \0        static size_type _S_empty_rep_storage[]; // 這里大小不是0，稍后分析        static _Rep& _S_empty_rep() _GLIBCXX_NOEXCEPT {            // NB: Mild hack to avoid strict-aliasing warnings. Note that            // _S_empty_rep_storage is never modified and the punning should            // be reasonably safe in this case.            void* __p = reinterpret_cast<void*>(&_S_empty_rep_storage);            return *reinterpret_cast<_Rep*>(__p);        }    };    // Use empty-base optimization: http://www.cantrip.org/emptyopt.html    struct _Alloc_hider : _Alloc {        _Alloc_hider(_CharT* __dat, const _Alloc& __a) _GLIBCXX_NOEXCEPT : _Alloc(__a), _M_p(__dat) {}        _CharT* _M_p; // The actual data，這里的_M_p指向存儲實際數據的對象地址    };    public:    static const size_type npos = static_cast<size_type>(-1); // 0xFFFFFFFF    private:    /**      * _M_dataplus是basic_string內部唯一的一個成員變量，      * 內部有個_M_p成員，指向存儲實際的數據的對象，是_Rep對象的指針      */    mutable _Alloc_hider _M_dataplus;  };

具體分析可以看代碼中注釋，可以分析出COW的string結構如圖：

前面程序喵分析過深拷貝方式下string的局部內存為M_local_buf，那COW下string的S_empty_rep_storage是什么樣子呢？直接看源代碼：

// Linker sets _S_empty_rep_storage to all 0s (one reference, empty string)  // at static init time (before static ctors are run).  template <typename _CharT, typename _Traits, typename _Alloc>  typename basic_string<_CharT, _Traits, _Alloc>::size_type basic_string<_CharT, _Traits, _Alloc>::_Rep::    _S_empty_rep_storage[(sizeof(_Rep_base) + sizeof(_CharT) + sizeof(size_type) - 1) / sizeof(size_type)];

再分析下構造函數：

/**  * 使_M_dataplus指向_S_construct函數返回的內存  */  template <typename _CharT, typename _Traits, typename _Alloc>  basic_string<_CharT, _Traits, _Alloc>::basic_string(const _CharT* __s, size_type __n, const _Alloc& __a)    : _M_dataplus(_S_construct(__s, __s + __n, __a), __a) {}  /**  * 返回一段內存，這段內存可以是本地空字符的內存，也可以是內存分配單元分配的內存  */  template <typename _CharT, typename _Traits, typename _Alloc>  template <typename _InIterator>  _CharT* basic_string<_CharT, _Traits, _Alloc>::_S_construct(_InIterator __beg, _InIterator __end, const _Alloc& __a,                                                            input_iterator_tag) {  #if _GLIBCXX_FULLY_DYNAMIC_STRING == 0    if (__beg == __end && __a == _Alloc()) return _S_empty_rep()._M_refdata();  #endif    // Avoid reallocation for common case.    _CharT __buf[128];    size_type __len = 0;    while (__beg != __end && __len < sizeof(__buf) / sizeof(_CharT)) {        __buf[__len++] = *__beg;        ++__beg;    }    /**      * len < 128字節時，分配len字節      * 否則，以128為單位，每次擴容2倍大小      * 稍后相信分析      */    _Rep* __r = _Rep::_S_create(__len, size_type(0), __a);    /**      * 將__buf指向的內存拷貝到數據真實存放的地址，_M_refdata()指向數據真實存放的地址      * _M_refdata()函數實現如下，可以通過上面畫的string結構圖分析：      * _CharT* _M_refdata() throw() { return reinterpret_cast<_CharT*>(this + 1); }      * this+1就是數據真正的地址，這里的1代表sizeof(_Rep)      */    _M_copy(__r->_M_refdata(), __buf, __len);    __try {        /**          * 這里的擴容機制和上面介紹的相同，這里就不過多介紹          */        while (__beg != __end) {            if (__len == __r->_M_capacity) {                // Allocate more space.                _Rep* __another = _Rep::_S_create(__len + 1, __len, __a);                _M_copy(__another->_M_refdata(), __r->_M_refdata(), __len);                __r->_M_destroy(__a);                __r = __another;            }            __r->_M_refdata()[__len++] = *__beg;            ++__beg;        }   }    __catch(...) {        __r->_M_destroy(__a);        __throw_exception_again;    }    /**      * 設置string的長度，同時設置該string是可共享的，稍后分析      */    __r->_M_set_length_and_sharable(__len);    return __r->_M_refdata();  }

再看下string內部_M_create是如何申請內存的

template <typename _CharT, typename _Traits, typename _Alloc>  typename basic_string<_CharT, _Traits, _Alloc>::_Rep* basic_string<_CharT, _Traits, _Alloc>::_Rep::_S_create(    size_type __capacity, size_type __old_capacity, const _Alloc& __alloc) {    if (__capacity > _S_max_size) __throw_length_error(__N("basic_string::_S_create"));    /**      * __pagesize是頁的大小，每次內存分配的最小單位      * __malloc_header_zize是malloc分配內存額外需要的空間，存儲內存實際的長度信息      */    const size_type __pagesize = 4096;    const size_type __malloc_header_size = 4 * sizeof(void*);    /**      * 每次兩倍擴容      */    if (__capacity > __old_capacity && __capacity < 2 * __old_capacity) __capacity = 2 * __old_capacity;    /**      * 看了前面的結構圖您應該就能明白為什么是這么計算，這里的+1是存儲字符串的結束符      */    size_type __size = (__capacity + 1) * sizeof(_CharT) + sizeof(_Rep);    /**      * 因為內存是以頁為基本單位分配的，所以這里做了一些優化，保證分配內存的大小是內存頁的整數倍      */    const size_type __adj_size = __size + __malloc_header_size;    if (__adj_size > __pagesize && __capacity > __old_capacity) {        const size_type __extra = __pagesize - __adj_size % __pagesize;        __capacity += __extra / sizeof(_CharT);        // Never allocate a string bigger than _S_max_size.        if (__capacity > _S_max_size) __capacity = _S_max_size;        __size = (__capacity + 1) * sizeof(_CharT) + sizeof(_Rep);    }    // NB: Might throw, but no worries about a leak, mate: _Rep()    // does not throw.    void* __place = _Raw_bytes_alloc(__alloc).allocate(__size);    /**      * 這里是placement new，表示在__place內存位置處調用_Rep構造函數      */    _Rep* __p = new (__place) _Rep;    __p->_M_capacity = __capacity;    /**      * 設置其可共享，實現如下      * void _M_set_sharable() _GLIBCXX_NOEXCEPT { this->_M_refcount = 0; }      */    __p->_M_set_sharable();    return __p;  }  這里有關于malloc的知識點可以看我之前寫的文章：xxx前面Rep有個_M_set_length_and_sharable方法，看下它的源碼：  /**   * 如果當前內存指向地址是本地內存則什么都不做，否則   * 設置長度為n   * 設置其可共享，其實就是設置引用計數為0   * 同時在最后添加一個結束符\0   */  void _M_set_length_and_sharable(size_type __n) _GLIBCXX_NOEXCEPT {  #if _GLIBCXX_FULLY_DYNAMIC_STRING == 0      if (__builtin_expect(this != &_S_empty_rep(), false))  #endif      {         this->_M_set_sharable();  // One reference.          this->_M_length = __n;          traits_type::assign(this->_M_refdata()[__n], _S_terminal);     }  }  void _M_set_sharable() _GLIBCXX_NOEXCEPT { this->_M_refcount = 0; }

COW版本主要就是為了避免過多的拷貝，這里看下string的拷貝構造函數：

/**   * 這里是string的構造函數，主要是調用_Rep的_M_grab函數   */  basic_string(const basic_string& __str, const _Alloc& __a)      : _M_dataplus(__str._M_rep()->_M_grab(__a, __str.get_allocator()), __a) {}  /**   * 前面已經介紹過為什么+1，這里您應該就知道為什么-1啦   */  _Rep* _M_rep() const _GLIBCXX_NOEXCEPT { return &((reinterpret_cast<_Rep*>(_M_data()))[-1]); }  /**   * _M_grab函數決定是將引用計數+1還是拷貝一份   * 如果_M_is_leaked()表示不可以共享，則需要拷貝一份   */  _CharT* _M_grab(const _Alloc& __alloc1, const _Alloc& __alloc2) {      return (!_M_is_leaked() && __alloc1 == __alloc2) ? _M_refcopy() : _M_clone(__alloc1);  }  /**   * 如果引用計數小于0，則為true，前面有過約定   */  bool _M_is_leaked() const _GLIBCXX_NOEXCEPT {  #if defined(__GTHREADS)      // _M_refcount is mutated concurrently by _M_refcopy/_M_dispose,      // so we need to use an atomic load. However, _M_is_leaked      // predicate does not change concurrently (i.e. the string is either      // leaked or not), so a relaxed load is enough.      return __atomic_load_n(&this->_M_refcount, __ATOMIC_RELAXED) < 0;  #else      return this->_M_refcount < 0;  #endif  }  /**   * 引用拷貝，其實就是引用計數+1   */  _CharT* _M_refcopy() throw() {  #if _GLIBCXX_FULLY_DYNAMIC_STRING == 0      if (__builtin_expect(this != &_S_empty_rep(), false))  #endif          __gnu_cxx::__atomic_add_dispatch(&this->_M_refcount, 1);      return _M_refdata();  }  // XXX MT    /**   * 深拷貝   */  template <typename _CharT, typename _Traits, typename _Alloc>  _CharT* basic_string<_CharT, _Traits, _Alloc>::_Rep::_M_clone(const _Alloc& __alloc, size_type __res) {      // Requested capacity of the clone.      const size_type __requested_cap = this->_M_length + __res;      _Rep* __r = _Rep::_S_create(__requested_cap, this->_M_capacity, __alloc);      if (this->_M_length) _M_copy(__r->_M_refdata(), _M_refdata(), this->_M_length);      __r->_M_set_length_and_sharable(this->_M_length);      return __r->_M_refdata();  }  再分析下string的析構函數：  /**   * string的析構函數，調用了_M_dispose函數   */  ~basic_string() _GLIBCXX_NOEXCEPT { _M_rep()->_M_dispose(this->get_allocator()); }  /**   * 將引用計數-1，如果引用計數 <= 0，則釋放內存   */  void _M_dispose(const _Alloc& __a) _GLIBCXX_NOEXCEPT {  #if _GLIBCXX_FULLY_DYNAMIC_STRING == 0      if (__builtin_expect(this != &_S_empty_rep(), false))  #endif      {          // Be race-detector-friendly.  For more info see bits/c++config.          _GLIBCXX_SYNCHRONIZATION_HAPPENS_BEFORE(&this->_M_refcount);          if (__gnu_cxx::__exchange_and_add_dispatch(&this->_M_refcount, -1) <= 0) {              _GLIBCXX_SYNCHRONIZATION_HAPPENS_AFTER(&this->_M_refcount);              _M_destroy(__a);          }      }  }  // XXX MT  template <typename _CharT, typename _Traits, typename _Alloc>  void basic_string<_CharT, _Traits, _Alloc>::_Rep::_M_destroy(const _Alloc& __a) throw() {      const size_type __size = sizeof(_Rep_base) + (this->_M_capacity + 1) * sizeof(_CharT);      _Raw_bytes_alloc(__a).deallocate(reinterpret_cast<char*>(this), __size);  }

data()和c_str()的區別

我們以前學習工作過程中都知道str有data和c_str函數，看資料都說它們的區別是一個帶\0結束符，一個不帶。這里看下源碼：

const _CharT* c_str() const _GLIBCXX_NOEXCEPT { return _M_data(); }  const _CharT* data() const _GLIBCXX_NOEXCEPT { return _M_data(); }

這里可以看見它倆沒有任何區別，因為\0結束符其實在最開始構造string對象的時候就已經添加啦。

to_string是怎么實現的？

這里直接看代碼：

inline string to_string(int __val) {      return __gnu_cxx::__to_xstring<string>(&std::vsnprintf, 4 * sizeof(int), "%d", __val);  }  inline string to_string(unsigned __val) {      return __gnu_cxx::__to_xstring<string>(&std::vsnprintf, 4 * sizeof(unsigned), "%u", __val);  }  inline string to_string(long __val) {      return __gnu_cxx::__to_xstring<string>(&std::vsnprintf, 4 * sizeof(long), "%ld", __val);  }  template <typename _String, typename _CharT = typename _String::value_type>  _String __to_xstring(int (*__convf)(_CharT*, std::size_t, const _CharT*, __builtin_va_list), std::size_t __n,                       const _CharT* __fmt, ...) {      // XXX Eventually the result should be constructed in-place in      // the __cxx11 string, likely with the help of internal hooks.      _CharT* __s = static_cast<_CharT*>(__builtin_alloca(sizeof(_CharT) * __n));      __builtin_va_list __args;      __builtin_va_start(__args, __fmt);      const int __len = __convf(__s, __n, __fmt, __args);      __builtin_va_end(__args);      return _String(__s, __s + __len);  }

這里可以看出所有的數值類型轉string，都是通過vsnprintf來實現，具體vsnprintf是什么這里就不過多介紹啦，讀者可以自行查找下相關用法。

感謝各位的閱讀，以上就是“C++種string的實現方式”的內容了，經過本文的學習后，相信大家對C++種string的實現方式這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！