linux C --深入理解字符串处理函数 strlen() strcpy() strcat() strcmp()
在linux C 编程中，我们经常遇到字符串的处理，最多的就是字符串的长度、拷贝字符串、比较字符串等；当然现在的Ｃ库中为我们提供了很多字符串处理函数。熟练的运用这些函数，可以减少编程工作量，这里介绍几个常用的字符串函数，并编写一些程序，如果没有这些库函数，我们将如何实现其功能；
１ 求字符串长度函数 strlen
头文件：string.h
函数原型：size_t strlen(const char *s)
功能：求字符串长度（不含字符串结束标志'\0'）
如果没有这个函数，我们如何实现strlen呢？
程序如下：
#include <stdio.h>
#include <string.h>
int mystrlen(const char *p)
{
int i = 0;
while(p[i])
i++;
return i;
}
int main()
{
int len;
char str[] = "Helloworld";
len = mystrlen(str);
printf("len = %d\n",len);
return 0;
}
执行结果如下：
fs@ubuntu:~/qiang/string$ gcc -o strlen strlen.c fs@ubuntu:~/qiang/string$ ./strlen len = 10
同样可以实现求字符串长度功能。
既然在讲strlen()，在这里多说明一下，注意strlen()与sizeof()的区别：
sizeof和strlen有以下区别：
sizeof是一个操作符，strlen是库函数。
sizeof的参数可以是数据的类型，也可以是变量，而strlen只能以结尾为‘\0‘的字符串作参数。
编译器在编译时就计算出了sizeof的结果。而strlen函数必须在运行时才能计算出来。并且sizeof计算的是数据类型占内存的大小，而strlen计算的是字符串实际的长度。
数组做sizeof的参数不退化，传递给strlen就退化为指针了。
注意：有些是操作符看起来像是函数，而有些函数名看起来又像操作符，这类容易混淆的名称一定要加以区分，否则遇到数组名这类特殊数据类型作参数时就很容易出错。最容易混淆为函数的操作符就是sizeof。
说明：指针是一种普通的变量，从访问上没有什么不同于其他变量的特性。其保存的数值是个整型数据，和整型变量不同的是，这个整型数据指向的是一段内存地址。
2、字符串拷贝函数strcpy()
头文件：string.h
函数原型：char *strcpy(char *dest,const char *src)
功能： 字符串拷贝
参数：src为源串的起始地址，dest为目标串的起始地址
如果没有这个函数，我们将如何实现呢？程序如下：
#include <stdio.h>
char *mystrcpy(char *dest,const char *src)
{
char *p;
p = dest;
while(*src)
{
*dest++ = *src++;
}
*dest = '\0';
return p;
}
int main()
{
const char str1[] = "Helloworld";
char str2[30];
mystrcpy(str2,str1);
printf("str2 = %s\n",str2);
return 0;
}
执行结果如下：
fs@ubuntu:~/qiang/string$ ./strcpy str2 = Helloworld
同样能够得到结果，当然有了strcpy()会很方便；
3、字符串连接接函数strcat
头文件：string.h
函数原型：char *strcat(char *dest,const char *src)
功能：把字符串src连接到字符串dest的后面
实现方法：
#include <stdio.h>
char *mystrcat(char *dest,const char *src)
{
char *p;
p = dest;
while(*dest)
dest++;
while(*src)
{
*dest++ = *src++;
}
*dest = '\0';
return p;
}
int main()
{
char str1[] = "hello";
char str2[] = "world";
mystrcat(str1,str2);
printf("str1 = %s\n",str1);
return 0;
}
执行结果如下：
fs@ubuntu:~/qiang/string$ gcc -o strcat strcat.c fs@ubuntu:~/qiang/string$ ./strcat str1 = helloworld
在使用strcat函数时，需要注意，目标数组应该有足够的空间，连接源串。注意，目标字符串'\0'被删除，然后连接源串。如果越界会发生什么呢？我们可以来验证一下：
#include <stdio.h>
#include <string.h>
int main()
{
char str2[6] = "world";
char str1[6] = "hello";
strcat(str1,str2);
printf("str1 = %s\n",str1);
return 0;
}
执行结果如下：
fs@ubuntu:~/qiang/string$ gcc -o strcat1 strcat1.c fs@ubuntu:~/qiang/string$ ./strcat1 str1 = helloworld *** stack smashing detected ***: ./strcat1 terminated ======= Backtrace: ========= /lib/i386-linux-gnu/libc.so.6(__fortify_fail+0x45)[0xb76cbd95] /lib/i386-linux-gnu/libc.so.6(+0x103d4a)[0xb76cbd4a] ./strcat1[0x80484d7] /lib/i386-linux-gnu/libc.so.6(__libc_start_main+0xf3)[0xb75e14d3] ./strcat1[0x80483d1] ======= Memory map: ======== 08048000-08049000 r-xp 00000000 08:01 830810 /home/fs/qiang/string/strcat1
当然，下面还有好多，这里就不展示了，我们来看看结果，helloworld能打印出来，编译时也没错误，但执行时告知溢出了。
我们稍微修改程序，大家注意区别：
#include <stdio.h>
#include <string.h>
int main()
{
char str1[6] = "hello";
char str2[6] = "world";
strcat(str1,str2);
printf("str1 = %s\n",str1);
printf("str2 = %s\n",str2);
return 0;
}
输出结果如下：
fs@ubuntu:~/qiang/string$ gcc -o strcat1 strcat1.c fs@ubuntu:~/qiang/string$ ./strcat1 str1 = helloworld str2 = orld
并没有溢出！(实际是溢出了！！！！！！！)
是不是很有意思？大家看看两者程序的区别，只是六七行交换了位置，但一个溢出，一个却不溢出，为什么呢？大家应该知道数据存储的方式吧，第一个程序中：
char str2[6] = "world"; char str1[6] = "hello";
先定义了str2[],程序为其分配了一段连续的空间，接着定义了str1[],程序会在刚才为str2[]定义的地址后面接着定义一段连续空间，如果接着将str2 接在str1后面，str1原来只定义了6个字节，需要连接在一起需要11个字节，肯定超出了我们定义的地址空间，后面是一片未知区域，会发生溢出；但为什么程序2却没有溢出呢？
char str1[6] = "hello"; char str2[6] = "world";
这里就比较巧了，因为str2是在str1后面定义的，str2接在str1后面确实会溢出，但溢出后的一片空间，正好是str2的地址空间，区域是可知的，只是helloworld覆盖掉了原来str2的东西。所以不会溢出，这样说，大家明白吧？
继续看，大家有木有发现，我在程序二中对str2的值进行了打印，不再是原来的world,变成了orld,按道理来讲，str2的值不会改变的啊？大家在这里要清楚str2只是一个地址而已，只负责输出当前地址以后的字符串，以'\0'结束；所以这里的orld是strcat（str1，str2）后str1的值，但为什么是“orld”呢？因为目标字符串的'\0'被删除，然后连接串；
此时str1后面的orld覆盖了原world，但str2原来指向的是w的地址，现在原存放'w'的地址处存放的是'o',所以会输出"orld"！大家是否还有疑问，后面好像还有个'd'没有被覆盖啊，为什么输出的不是"orldd"呢？大家应该明白字符串有个结束符'\0'吧，它将'd'覆盖了，如果大家觉得不好理解，可以画一下图，就比较清楚了；
其实这只是个特例，让大家看一下如果数据溢出造成的后果！
4、字符串比较函数strcmp
头文件：string.h
函数原型：int strcmp(const char *s1,const char *s2)
功能：按照ASCII码顺序比较字符串s1和字符串s2的大小
如果没有这个函数，我们如下实现：
#include <stdio.h>
int mystrcmp(const char *s1,const char *s2)
{
int i = 0;
while(*s1 || *s2)
{
if(*s1 > *s2)
{
return 1;
}
else if(*s1 < *s2)
{
return -1;
}
else
{
s1++;
s2++;
}
}
return 0;
}
int main()
{
int n;
char str1[] = "hell";
char str2[] = "hello";
n = mystrcmp(str1,str2);
printf("n = %d\n",n);
return 0;
}
执行结果如下：
fs@ubuntu:~/qiang/string$ gcc -o strcmp strcmp.c fs@ubuntu:~/qiang/string$ ./strcmp n = -1
刚才提到的函数功能：比较两字符串的大小，好像比较抽象，我们其实是比较两个字符串是否相等；下面我们看个题目：
题目：计算字符串中子串出现的次数
什么意思呢？就是helloworldhehehehellowo中，比如说子串"hello"在字符串中出现的次数，如果单纯的用getchar()获取每个字符并比较，会很麻烦，在这里我们可以用strcmp来实现，会很方便，大家可以看看strcmp的具体应用，实现程序如下：
#include <stdio.h>
#include <string.h>
int main()
{
int i = 0;
int count = 0;
int len1,len2;
char str1[100] = {'\0'};
char str2[20] = {'\0'};
printf("Please input two strings!\n");
scanf("%s%s",str1,str2);
len1 = strlen(str1);
len2 = strlen(str2);
while(i + len2 <= len1)
{
if(!(strncmp(&str1[i],str2,len2)))
{
count++;
i += len2;
}
else
i++;
}
printf("count = %d\n",count);
return 0;
}
执行结果如下：
fs@ubuntu:~/qiang/string$ ./zichuan Please input two strings! xiaoqiangxiqiangxiaoxiaqiang xiao count = 2 fs@ubuntu:~/qiang/string$
大家看看结果是不是正确的。
附：（转载）
strcmp 字符串比较函数，strcpy 字符串拷贝函数， strlen 字符串测长函数， strcat字符串连接函数，sprintf格式化字符串拷贝函数等等。因为字符串就是以‘\0’结束的一段内存，这些函数实质上也就是操作内存的函数，所以避免不了的与指针打交道，使得这些函数充满了陷阱，如果这些函数使用不当，很有可能在程序中埋伏下危险的陷阱，使程序的稳定性遭受重创。下面我就字符串使用中一些常见的问题来进行举例说明。
一. strcpy：极度危险的函数，一不小心就会中招，危险指数：四星
strcpy的原型是这样的： char *strcpy(char *dest, const char *src) 作为常见的字符串复制函数，C库中的实现是不安全的，因为它不做字符串的检查，以至于如果参数传入了非法指针，比如：src不是指向字符串的指针。后果就不堪设想，程序会一直复制,直到遇到‘\0’才结束，这样很有可能就会使得dest指向的内存区域缓冲区溢出，使得导致不程序相干的部分出现错误，这种错误也许就是致命的。所以使用这个函数一定确保第二个参数传入合法的指针。
例子:
#include <string.h>
#include <stdlib.h>
#include <stdio.h>
char dest[5] = {'D'};
char mydata[7] = {'m','y','d','a','t','a','\0'};
int main(void)
{
char i;
char source[5];
char bound[5] = {'&','&','&','&','&'};
for (i = 0; i < 5; i++)
source[i] = 'S';
printf("before strcopy, mydata is %s\n", mydata);
strcpy(dest, source);
printf("dest is %s\n", dest);
printf("after strcopy, mydata is %s\n", mydata);
}
程序中定义了两个全局数组，我们知道C语言的全局变量要放在DATA段，而dest与mydata因为定义相连，所以其内存地址是相邻的。程序的目的是复制一个字符串到dest数组，而程序中忘了给source数组最后加上'\0'。所以source就不是一个字符串，用它传递给strcpy就会造成意想不到的后果。本程序中strcpy一直复制内存到dest，直到在遇到‘\0’， 这样就会多复制很多数据到dest，从而意外的覆盖mydata，甚至有时还会导致程序崩溃。在拷贝之前, mydata的数据是 "mydata", 而在拷贝之后造成了意外的修改。
二. strcat 造成缓冲区溢出的隐形杀手，危险指数 三星
strcat 是将一个字符串连接到另外一个字符串上，其函数原型为char *strcat(char *dest,char *src)。这个函数也很危险，因为C语言的实现也是不安全的，传入非法的指针有可能会造成程序的崩溃。首先保证两个指针都应该指向字符串，其次dest指针指向的空间要足以容的下src指向的字符串，否则会造成缓冲区溢出而破坏其他程序数据。
例子1：
#include <string.h>
#include <stdlib.h>
#include <stdio.h>
char dest[5] = {'D', '\0'};
char mydata[7] = {'m','y','d','a','t','a','\0'};
int main(void)
{
char i;
char source[5];
char bound[5] = {'&','&','&','&','&'};
for (i = 0; i < 4; i++)
source[i] = 'S';
source[4] = '\0';
printf("before strcat, mydata is %s\n", mydata);
strcat(dest, source);
printf("dest is %s\n", dest);
printf("after strcat, mydata is %s\n", mydata);
}
这个例子因为目标dest只有5个字节大小，并且数据占了一个字节，只剩下四个字节位置，而源数据字符串长度为4个字符加一个‘\0’有五个字节大小，所以会多出一个字节覆盖了mydata的数据，多出的‘\0’成为了mydata的第一个字节，导致调用strcat后输出mydata为空。
例子2 ：
#include <string.h>
#include <stdlib.h>
#include <stdio.h>
char dest[5] = {'D', 'D', 'D', 'D', 'D'};
char mydata[7] = {'m','y','d','a','t','a','\0'};
int main(void)
{
char i;
char source[5];
char bound[5] = {'&','&','&','&','&'};
for (i = 0; i < 4; i++)
source[i] = 'S';
source[4] = '\0';
printf("before strcat, mydata is %s\n", mydata);
strcat(dest, source);
printf("dest is %s\n", dest);
printf("after strcat, mydata is %s\n", mydata);
}
这个例子中，dest不是字符串（没有‘\0’结尾），导致strcat从地址dest处开始找'\0'，找到'\0'后并在此地址上复制source的数据，在本程序中就将source连接到了mydata后面，导致mydata变成了“mydataSSSS”,这样也破坏了程序无关的数据，本程序中还好是破坏的DATA中的数据，如果是其他的数据那么后果不不仅仅是数据改变这么简单了。
三. strlen 很多malloc函数缓冲区溢出问题的始作俑者 危险指数 二星
strlen是字符串求长函数，但是它求出的长度不包括‘\0’，所以在用malloc分配内存的时候，很容易少分配一个字节，就这小小的一个字节就会造成缓冲区溢出，我们知道malloc分配的内存区域是有一个头的，这样就有可能破坏其他malloc的头使得内存释放失败，带来一系列连锁反映。因为malloc函数的实现与系统有关，这个不好用程序模拟，但是这种情况确实存在。因此如果用strlen求字符串长度用于malloc一定要记住要加1。
四. sprintf 同样可以造成缓冲区溢出，危险指数 一星
sprintf是格式化字符拷贝函数，函数原型是int sprintf( char *buffer, const char *format, … ) 。这个函数的实现也是不安全的，使用这个函数要确保buffer足够大，否则这个函数在不做任何提示的情况下就将buffer溢出，这个函数虽然返回复制的字节数，可以通过这个检查复制了多少个字节，以确定是否缓冲区溢出。但这种亡羊补牢的做法其实没有实际意义。缓冲区溢出的错误已经发生也许会是程序崩溃，检测的时间也许都没有，就算有检测时间，也只是用于提示程序的BUG，在正式的程序中没有多大用处。
例子：
#include <string.h>
#include <stdlib.h>
#include <stdio.h>
char dest[2] = {'D'};
char mydata[7] = {'m','y','d','a','t','a','\0'};
int main(void)
{
char i;
char source[5];
char bound[5] = {'&','&','&','&','&'};
for (i = 0; i < 4; i++)
source[i] = 'S';
source[4] = '\0';
printf("before sprintf, mydata is %s\n", mydata);
sprintf(dest, "%s", source);
printf("dest is %s\n", dest);
printf("after sprintf, mydata is %s\n", mydata);
}
这个例子中，目标缓冲区只有两个字节的大小，而源字符串却是五个字节，sprintf在不进行任何提示的情况下，默默的覆盖了mydata的数据。
总结
总上所述，C语言字符串操作函数一般都不对参数做检查，需要调用者确保参数的合法性。如果传入不正确的参数，就会造成缓冲区溢出。轻则数据被修改，重则程序崩溃。最郁闷的是影响到程序中不相关的部分。我前面举的例子都很简单，很容易一眼看出问题的所在，但是大型程序就不会这么简单了，这些错误就是致命的。所以使用C语言的字符串函数时一定要养成良好的习惯，自己检查参数的合法性，然后再调用。目前C语言中这些字符串操作函数都有一些安全的版本就是带n的系列，比如：strncpy，strncat，snprintf。这些函数规定了源字符串的大小，对缓冲区溢出的预防有一定的作用，比如：snprintf，其函数原型是int snprintf(char *str, size_t size, const char *format, ...) 第二个参数size，可以保证复制size个字节，如果要复制的字符串大于size就会截短，从而保证str不会溢出。程序中尽量使用这些安全的版本。良好的习惯是一个程序稳定与健壮的保证，而良好的习惯都是使用这些常用的函数养成的，所以一定要主要这些字符串函数的使用。