3、字符串复制strcpy,strncpy,wcscpy,wcsncpy:将字符串src(或其前n个字符)复制到dest中,覆盖dest的内容。实现中先检查指针是否越界,计算指针dest到src的偏移,然后开始做复制操作,复制到dest的开始位置处,以覆盖dest的内容。对strncpy,也采用了每4个字符作为一组来进行复制的方法,以加快复制速度。
4、字符串求长strlen,wcslen:返回str中终止符'/0'之前的字符个数。这里通过把指针移到终止符处,然后计算该指针与开始处指针的差值来获取字符串的长度。为了加快移动速度,实现中把const char*型指针char_ptr转换成了unsigned long*型指针longword_ptr,这样一次就可以移动4个字节。算法关键是要辨别出longword_ptr指向的值(有4个字节)中有一个字节为0(它表示字符'/0'),这说明指针到达了终止符'/0'处,要停止移动,并转换回const char*型指针,计算指针之间的差值。
longword_ptr = (unsigned long int *) char_ptr;
/* magic_bits的第8,16,24,31位为0,称这些位为“洞”。注意每个字节的左边有一个洞,
在最后的位置上也有一个洞。
bits: 01111110 11111110 11111110 11111111
比特1确保进位能传播到后面的比特0上,比特0则提供洞,以便让进位陷进去 */
magic_bits = 0x7efefeffL;
himagic = 0x80808080L; /* 高位魔数,即第7,15,23,31位上为1 */
lomagic = 0x01010101L; /* 低位魔数,即第0,8,16,24位上为1 */
if (sizeof (longword) > 4) /* 64位的平台上 */
{
/* 魔数的64位版本 */
/* 移位操作分两步,以避免当long为32位时出现警告 */
/* 位数的第8,16,24,32,40,48,56,63位上为0 */
magic_bits = ((0x7efefefeL << 16) << 16) | 0xfefefeffL;
himagic = ((himagic << 16) << 16) | himagic; /* 第7,15,23,31,39,47,55,63位上为1 */
lomagic = ((lomagic << 16) << 16) | lomagic; /* 第0,8,16,24,32,40,48,56位上为0 */
}
if (sizeof (longword) > 8) /* long类型大于8字节则终止程序 */
abort ();
/* 这里我们不使用传统的对每个字符都进行测试的循环,而是一次测试一个long型字。技巧性的部分
是测试当前long型字的各个字节是否为0 */
for (;;)
{
longword = *longword_ptr++;
if (
#if 0
/* 让longword加上魔数magic_bits */
(((longword + magic_bits)
/* 设置那些通过加法而未改变的位 */
^ ~longword)
/* 只需看这些洞。如果任何的洞位都没有改变,最有可能的是有一个字节值为0 */
& ~magic_bits)
#else
((longword - lomagic) & himagic)
#endif
!= 0)
{
/* 长整型字的哪个字节为0?如果都不为0,则是一个非预期情况,继续搜索 */
const char *cp = (const char *) (longword_ptr - 1);
if (cp[0] == 0)
return cp - str;
if (cp[1] == 0)
return cp - str + 1;
if (cp[2] == 0)
return cp - str + 2;
if (cp[3] == 0)
return cp - str + 3;
if (sizeof (longword) > 4) /* 如果long类型是8个字节,则还有4个字节需要判断 */
{
if (cp[4] == 0)
return cp - str + 4;
if (cp[5] == 0)
return cp - str + 5;
if (cp[6] == 0)
return cp - str + 6;
if (cp[7] == 0)
return cp - str + 7;
}
}
}
}
libc_hidden_builtin_def (strlen)
解释:
(1)先移动char_ptr,使其值对齐到长整型字的边界,即移动到使char_ptr中的值是4的倍数为止。在对齐过程中若到达了终止符处,则直接返回与开始处的指针str的差值。
(2)对longword_ptr指针进行移动时,指针指向的值为longword。为了判断指针是否到达终止符,算法实现使用了两个魔数lomagic和himagic,lomagic各个字节的最低位为1,其余位均为0;himagic各个字节的最高位为1,其余位均为0。看表达式(longword - lomagic) & himagic,若longword中有一个字节为00000000,则减00000001时要向高字节借一位,得到11111111或11111110(当借了一位给更低的字节时),与10000000做“与”运算后变成10000000,这时表达式的结果必定不为0。可见,只有在表达式结果不等于0时,longword中才有可能有终止符。因此,在移动过程中,一旦表达式结果不等于0,只要逐一检查一下每个字节,看哪个为0,这时就到达终止符,计算指针差值并返回。若都不为0,则继续移动。
(3)也可以只用一个魔数magic_bits来实现,即代码中用#if 0注释掉的那部分,它可以达到同样的效果。看表达式((longword + magic_bits) ^ ~longword) & ~magic_bits,最后的“与”运算会使结果的其他位清零,只留下那4个洞位,因此我们只要看longword的洞位的变化即可。若longword中有一个字节为0,则做加法后它不可能向高字节(即左侧字节)进位,左侧字节的洞位没有改变(因为magic_bits的对应洞位为0,加上0而又没有低字节的进位,因此不会改变)。做异或运算后,必定使这个洞位变成1,因此表达式的结果必定不为0。可见,这跟(2)用两个魔数实现的效果是一样的。
5、字符搜索strchr,strrchr,wcschr,wcsrchr:在字符串s中查找字符c的第一次(或最后一次)出现,若没找到则返回NULL指针。算法实现与strlen类似,只不过在strlen是搜索到终止符'/0'为止,这里是搜索到字符c为止。
解释:
(1)算法中,有可能搜索到字符c,也有可能搜索到终止符(当字符串中没有c时)。对于搜索到终止符,与strlen中一样,对于搜索到字符c,要判断longword中是否有一个字节为c,看表达式(((longword ^ charmask) + magic_bits) ^ ~(longword ^ charmask)) & ~magic_bits,长整型字charmask的每个字节都是字符c。strlen的对应表达式中的longword换成了这里的longword ^ charmask,而这里的longword中有一个字节为c,恰好等价于longword ^ charmask中有一个字节为0,因此具体的分析过程是一样的。
(2)strrchr的实现直接使用strchr。用strchr不停地向前搜索,直到搜索到最后一个c为止。
6、子串的无顺序匹配strspn,strcspn,strpbrk,wcsspn,wcscspn,wcspbrk:strspn和strcspn在s的开头查找一个最长子串,使其所有字符都在accept中(或都不在reject中),返回这个子串的长度。strspn的实现中直接对s中开头的每个字符搜索accept,看其是否在accept中。strcspn的实现则使用了strchr来查找字符。strpbrk在s中搜索第一个出现在accept中的字符,返回其指针。
7、模式匹配及字符串解析strstr,strtok,wcsstr,wcstok:strstr(src,sub)在src中搜索子串sub,返回其第一次出现的位置。strtok(str,set)用set中的字符作为分隔符把str分解为多个标号。
strstr的实现用了最新的二路模式匹配算法,可以达到最好的效率。由于算法比较复杂,涉及到很多内部函数,这里就不解剖了,我们平时一般使用KMP算法来进行模式匹配,这个效率也已经非常不错了。strtok实现如下:
算法先用strspn函数使s路过分隔符,移到当前记号的开始处;接着让token指向当前记号开始处,s移到下一个分隔符处(通过strpbrk函数);然后把这个分隔符替换成终止符'/0',以解析出当前记号,olds指向下一记号的开始处。下一次解析时,若指定s为NULL,则从olds处开始新的解析。