主页 / 问题 / 1268695
Accepted
megorit
Asked:2022-04-11 16:25:41 +0000 UTC2022-04-11 16:25:41 +0000 UTC

std::string 和 std::vector<std::uint8_t> 的兼容性

  • 772

字节和字符之间的转换存在一个小问题。我想避免潜在的 UB，但我不确定它们是否会发生。

数据被读入std::vector<std::uint8_t>，然后，就我而言，必须分成两部分：其中一个始终是文本，第二个是文本或二进制。

我使用了一个特定的分隔符，例如，像这样：

std::string delimiter{"delimiter"};

auto delim_iter = std::search(
    byte_vector.begin(), byte_vector.end(),
    delimiter.begin(),   delimiter.end()
);

delim_iter += delimiter.size();

std::string char_part{byte_vector.begin(),delim_iter};

如您所知，char根据实现，它可以是signed, 或unsigned. 因此，我不清楚如何正确地做到这一点以避免出现问题。

例如，在使用时，std::transform建议传递一个 lambda，它需要unsigned char：

std::transform(
    string.begin(), string.end(), string.begin(),
    [](unsigned char ch) { return std::tolower(ch); }
);

这里有任何潜在的问题吗？能以某种方式解决吗？谢谢你。

c++

2 个回答

  1. Best Answer

    任何整数类型都可以隐式转换为任何其他整数类型。

    1. 如果目标类型是bool，则将空值转换为false，将任何非空值转换为true。

    2. 如果目标类型是无符号整数类型，则使用模运算将该值转换为目标类型。

    3. 如果目标类型是有符号整数类型，并且要转换的值可以由目标类型表示，那么它不会被转换改变。如果要转换的值不能由目标类型表示，则

      • 在 C++20 之前，转换的结果是实现定义的。
      • 从 C++20 开始，使用模运算将值转换为目标类型。

    从 C++20 开始，您可以确定

    T1 v1 = ...;
T2 v2 = v1; //Поведение однозначно определено.
T3 v3 = v1; //Поведение однозначно определено.

v1 == v2; //Поведение однозначно определено, результат либо `true`, либо `false`.
T1(T2(v1)) == v1; //Поведение однозначно определено, результат `true`.
T3(v1) == T3(v2); //Поведение однозначно определено, результат `true`.
std::memcmp(&v1, &v2, 1) == 0; //Поведение однозначно определено, результат `true`.

    其中 typesT1和 是以下列表中的任何T2类型T3

    char, signed char, unsigned char, std::int8_t, std::uint8_t.

    上述陈述源于模算术的属性和整数类型的二进制补码表示的使用。

    在 C++20 之前，没有这样的保证。在不使用二进制补码有符号整数类型来表示的实现中，肯定应该违反上述某些陈述。但是要面对这样的实现是一项非常艰巨的工作。通常，在实践中，上述陈述得到满足。
    此外，在 C++20 之前，即使仍使用附加代码，标准仍将转换的结果留给(std::int8_t)255实现的摆布。但是，通常观察到的行为与 C++20 一致。

    综上所述，我们有

    auto delim_iter = std::search(
    byte_vector.begin(), byte_vector.end(),
    delimiter.begin(),   delimiter.end()
);

    此代码不会生成未定义的行为。但是因为 由于该函数std::search()使用运算符来比较值==，因此搜索结果可能取决于类型是有char符号还是无符号。示例：

    std::vector<std::uint8_t> delimiter_1 = {128};  //Имитируем беззнаковый char
std::vector<std::int8_t>  delimiter_2 = {-128}; //Имитируем    знаковый char
        
//Сравниваем вектора побайтово - они равны
cout << std::memcmp(&delimiter_1[0], &delimiter_2[0], sizeof(delimiter_1[0])) << endl; //0

std::vector<std::uint8_t> byte_vector = {128};

auto delim_iter_1 = std::search(
    byte_vector.begin(), byte_vector.end(),
    delimiter_1.begin(),   delimiter_1.end()
);
auto delim_iter_2 = std::search(
    byte_vector.begin(), byte_vector.end(),
    delimiter_2.begin(),   delimiter_2.end()
);

//Поиск с помощью std::search() даёт различные результаты
cout << (delim_iter_1 - byte_vector.begin()) << "  " << (delim_iter_2 - byte_vector.begin()) << endl; //0 1

    如果您需要检查精确的逐字节对应关系，那么您可以使用search()采用二进制谓词的函数版本，在该版本中实现参数到某些常见类型的显式转换。例如，像这样：

    auto is_equal {
    [](std::uint8_t a, char b) {return static_cast<unsigned char>(a) == static_cast<unsigned char>(b);}
};

    从 C++20 开始，以下代码的结果是明确的：

    std::string char_part{byte_vector.begin(),delim_iter};

    type 的值std::uint8_t将被转换为 type char。位模式不会随着这种转换而改变，它的解释方式会改变。反向转换 ( char-> std::uint8_t) 将恢复原始值。

    在 C++20 之前，它很可能也可以工作。

    这里

    std::transform(
    string.begin(), string.end(), string.begin(),
    [](unsigned char ch) { return std::tolower(ch); }
);

    当 lambda 被调用时，它将被转换char为unsigned char. 然后调用std::tolower()将转换unsigned char为int.

    该函数std::tolower()有一个类型参数int。但是，不能将类型表示的任何值int传递给函数std::tolower()。参数必须等于EOF，或者必须可以按类型表示unsigned char。否则，函数的行为是未定义的。

    因为 传递了 type 的值unsigned char，那么应该没有任何问题。尽管该标准允许实现类型值的unsigned char范围比类型的非负值范围更宽的实现int。（例如，如果unsigned char和unsigned int具有相同的表示）。那些。理论上未定义的行为在这里是可能的。为了我自己的安心，我只想添加一个编译时检查：

    static_assert(
    std::numeric_limits<unsigned char>::max() <= 
    static_cast<unsigned int>(std::numeric_limits<int>::max())
);

    调用的结果std::tolower()是类型int。标准对这个函数返回的值的范围不是很清楚，但是假设它是EOF（如果它EOF作为参数传递的情况下）或者由unsigned char.

    如前所述，转换unsigned char为charC++20 以来的结果是唯一定义的。在这种情况下，它转换int为char，但int存储了一个可表示的值unsigned char，因此结果是等价的。

    最后的转换链char-> unsigned char-> int-> char。在这种特殊情况下，如果您不考虑类型unsigned char和unsigned int具有相同内部表示的实现，那么应该没有问题。

    • 1 
  2. auto delim_iter = std::search(
    byte_vector.begin(), byte_vector.end(),
    delimiter.begin(),   delimiter.end(),
    [](const std::uint8_t lhs, const char rhs)
        { return (lhs == static_cast<std::uint8_t>(rhs)) }
);

delim_iter += delimiter.size();

std::string char_part;
char_part.reserve(std::distance(byte_vector.begin(),delim_iter));

std::transform(
    byte_vector.begin(), delim_iter, std::back_inserter(char_part),
    [](const std::uint8_t byte) { return static_cast<char>(byte); }
);
    • 0

相关问题