要分析python源碼扮休，C語言的基礎不能少呈宇，特別是指針和結(jié)構(gòu)體等知識党饮。這篇文章先回顧C語言基礎述雾，方便后續(xù)代碼的閱讀胆建。
1 關于ELF文件
linux中的C編譯得到的目標文件和可執(zhí)行文件都是ELF格式的烤低，可執(zhí)行文件中以segment來劃分，目標文件中笆载，我們是以section劃分拂玻。一個segment包含一個或多個section，通過readelf命令可以看到完整的section和segment信息宰译￠苎粒看一個栗子：
char pear[40];
static double peach;
int mango = 13;
char *str = "hello";
static long melon = 2001;
int main()
{
int i = 3, j;
pear[5] = i;
peach = 2.0 * mango;
return 0;
}
這是個簡單的C語言代碼，現(xiàn)在分析下各個變量存儲的位置沿侈。其中mango闯第，melon屬于data section，pear和peach屬于common section中缀拭，而且peach和melon加了static咳短，說明只能本文件使用。而str對應的字符串"helloworld"存儲在rodata section中蛛淋。main函數(shù)歸屬于text section咙好，函數(shù)中的局部變量i,j在運行時在棧中分配空間。注意到前面說的全局未初始化變量peach和pear是在common section中褐荷，這是為了強弱符號而設置的勾效。那其實最終鏈接成為可執(zhí)行文件后，會歸于BSS segment。同樣的层宫，text section和rodata section在可執(zhí)行文件中都屬于同一個segment杨伙。
更多ELF內(nèi)容參見《程序猿的自我修養(yǎng)》一書。
2 關于指針
想當年學習C語言最怕的就是指針了萌腿，當然《c與指針》和《c專家編程》以及《高質(zhì)量C編程》里面對指針都有很好的講解限匣，系統(tǒng)回顧還是看書吧，這里我總結(jié)了一些基礎和易錯的點毁菱。環(huán)境是ubuntu14.10的32位系統(tǒng)米死，編譯工具GCC。
2.1 指針易錯點
/***
指針易錯示例1 demo1.c
***/
int main()
{
char *str = "helloworld"; //[1]
str[1] = 'M'; //[2] 會報錯
char arr[] = "hello"; //[3]
arr[1] = 'M';
return 0;
}
demo1.c中贮庞，我們定義了一個指針和數(shù)組分別指向了一個字符串哲身，然后修改字符串中某個字符的值。編譯后運行會發(fā)現(xiàn)[2]處會報錯贸伐，這是為什么呢？用命令gcc -S demo1.c 生成匯編代碼就會發(fā)現(xiàn)[1]處的helloworld是存儲在rodata section的怔揩，是只讀的捉邢，而[3]處的是存儲在棧中的。所以[2]報錯而[3]正常商膊。在C中伏伐，用[1]中的方式創(chuàng)建字符串常量并賦值給指針，則字符串常量存儲在rodata section晕拆。而如果是賦值給數(shù)組藐翎，則存儲在棧中或者data section中（如[3]就是存儲在棧中）。示例2給出了更多容易出錯的點实幕，可以看看吝镣。
/***
指針易錯示例2 demo2.c
***/
char *GetMemory(int num) {
char *p = (char *)malloc(sizeof(char) * num);
return p;
}
char *GetMemory2(char *p) {
p = (char *)malloc(sizeof(char) * 100);
}
char *GetString(){
char *string = "helloworld";
return string;
}
char *GetString2(){
char string[] = "helloworld";
return string;
}
void ParamArray(char a[])
{
printf("sizeof(a)=%d\n", sizeof(a)); // sizeof(a)=4，參數(shù)以指針方式傳遞
}
int main()
{
int a[] = {1, 2, 3, 4};
int *b = a + 1;
printf("delta=%d\n", b-a); // delta=4昆庇，注意int數(shù)組步長為4
printf("sizeof(a)=%d, sizeof(b)=%d\n", sizeof(a), sizeof(b)); //sizeof(a)=16, sizeof(b)=4
ParamArray(a);
//引用了不屬于程序地址空間的地址末贾，導致段錯誤
/*
int *p = 0;
*p = 17;
*/
char *str = NULL;
str = GetMemory(100);
strcpy(str, "hello");
free(str); //釋放內(nèi)存
str = NULL; //避免野指針
//錯誤版本，這是因為函數(shù)參數(shù)傳遞的是副本整吆。
/*
char *str2 = NULL;
GetMemory2(str2);
strcpy(str2, "hello");
*/
char *str3 = GetString();
printf("%s\n", str3);
//錯誤版本拱撵，返回了棧指針，編譯器會有警告表蝙。
/*
char *str4 = GetString2();
*/
return 0;
}
2.2 指針和數(shù)組
在2.1中也提到了部分指針和數(shù)組內(nèi)容拴测，在C中指針和數(shù)組在某些情況下可以相互轉(zhuǎn)換來使用，比如char *str="helloworld"可以通過str[1]來訪問第二個字符府蛇，也可以通過*(str+1)來訪問集索。
此外，在函數(shù)參數(shù)中，使用數(shù)組和指針也是等同的抄谐。但是指針和數(shù)組在有些地方并不等同渺鹦，需要特別注意。
比如我定義一個數(shù)組char a[9] = "abcdefgh";(注意字符串后面自動補\0),那么用a[1]讀取字符'b'的流程是這樣的：
- 首先蛹含，數(shù)組a有個地址毅厚，我們假設是9980。
- 然后取偏移值浦箱，偏移值為索引值*元素大小吸耿，這里索引是1，char大小也為1酷窥，因此加上9980為9981咽安，得到數(shù)組a第1個元素的地址。（如果是int類型數(shù)組蓬推，那么這里偏移就是1 * 4 = 4）
- 取地址9981處的值妆棒，就是'b'。
那如果定義一個指針char *a = "abcdefgh";沸伏，我們通過a[1]來取第一個元素的值糕珊。跟數(shù)組流程不同的是：
- 首先，指針a自己有個地址毅糟，假設是4541.
- 然后红选，從4541取a的值，也就是字符串“abcdefgh”的地址姆另，假定是5081喇肋。
- 接著就是跟之前一樣的步驟了，5081加上偏移1迹辐，取5082地址處的值蝶防，這里就是'b'了。
通過上面的說明可以發(fā)現(xiàn)明吩，指針比數(shù)組多了一個步驟慧脱，雖然看起來結(jié)果是一致的。因此贺喝，下面這個錯誤就比較好理解了菱鸥。在demo3.c中定義了一個數(shù)組，然后在demo4.c中通過指針來聲明并引用它躏鱼，顯然是會報錯的氮采。如果改成extern char p[];就正確了（當然聲明你也可以寫成extern char p[3],聲明里面的數(shù)組大小跟實際大小不一致是沒有關系的），一定要保證定義和聲明匹配染苛。
/***
demo3.c
***/
char p[] = "helloworld";
/***
demo4.c
***/
extern char *p;
int main()
{
printf("%c\n", p[1]);
return 0;
}
3 關于typedef和#define
typedef和#define都是經(jīng)常用的鹊漠，但是它們是不一樣的主到。一個typedef可以塞入多個聲明器，而#define一般只能有一個定義躯概。在連續(xù)聲明中登钥，typedef定義的類型可以保證聲明的變量都是同一種類型，而#define不行娶靡。此外牧牢，typedef是一種徹底的封裝類型，在聲明之后不能再添加其他的類型姿锭。如代碼中所示塔鳍。
#define int_ptr int *
int_ptr i, j; //i是int *類型，而j是int類型呻此。
typedef char * char_ptr;
char_ptr c1, c2; //c1, c2都是char *類型轮纫。
#define peach int
unsigned peach i; //正確
typdef int banana;
unsigned banana j; //錯誤，typedef聲明的類型不能擴展其他類型焚鲜。
另外掌唾，typedef在結(jié)構(gòu)體定義中也很常見，比如下面代碼中的定義忿磅。需要注意的是糯彬，[1]和[2]是很不同的。當你如[1]中那樣用typedef定義了struct foo贝乎，那么其實除了本身的foo結(jié)構(gòu)標簽，你還定義了foo這種結(jié)構(gòu)類型叽粹，所以可以直接用foo來聲明變量览效。而如[2]中的定義是不能用bar來聲明變量的，因為它只是一個結(jié)構(gòu)變量虫几，并不是結(jié)構(gòu)類型锤灿。
還有一點需要說明的是，結(jié)構(gòu)體是有自己名字空間的辆脸，所以結(jié)構(gòu)體中的字段可以跟結(jié)構(gòu)體名字相同但校，比如[3]中那樣也是合法的，當然盡量不要這樣用啡氢。后面一節(jié)還會更詳細探討結(jié)構(gòu)體状囱，因為在Python源碼中也有用到很多結(jié)構(gòu)體。
typedef struct foo {int i;} foo; //[1]
struct bar {int i;} bar; //[2]
struct foo f; //正確倘是，使用結(jié)構(gòu)標簽foo
foo f; //正確亭枷，使用結(jié)構(gòu)類型foo
struct bar b; //正確，使用結(jié)構(gòu)標簽bar
bar b; // 錯誤搀崭，使用了結(jié)構(gòu)變量bar叨粘，bar已經(jīng)是個結(jié)構(gòu)體變量了，可以直接初始化，比如bar.i = 4;
struct foobar {int foorbar;}; //[3]合法的定義
4 關于結(jié)構(gòu)體
在學習數(shù)據(jù)結(jié)構(gòu)的時候升敲，定義鏈表和樹結(jié)構(gòu)會經(jīng)常用到結(jié)構(gòu)體答倡。比如下面這個：
struct node {
int data;
struct node* next;
};
在定義鏈表的時候可能就有點奇怪了，為什么可以這樣定義驴党，貌似這個時候struct node還沒有定義好為什么就可以用next指針指向用這個結(jié)構(gòu)體定義了呢瘪撇？
4.1 不完全類型
這里要說下C語言里面的不完全類型。C語言可以分為函數(shù)類型鼻弧，對象類型以及不完全類型设江。而對象類型還可以分為標量類型和非標量類型。算術類型（如int攘轩，float叉存，char等）和指針類型屬于標量類型，而定義完整的結(jié)構(gòu)體度帮，聯(lián)合體歼捏，數(shù)組等都是非標量類型。而不完全類型是指沒有定義完整的類型笨篷，比如下面這樣的
struct s;
union u;
char str[];
具有不完全類型的變量可以通過多次聲明組合成一個完全類型瞳秽。比如下面2詞聲明str數(shù)組是合法的：
char str[];
char str[10];
此外，如果兩個源文件定義了同一個變量率翅，只要它們不全部是強類型的练俐，那么也是可以編譯通過的。比如下面這樣是合法的冕臭，但是如果將file1.c中的int i;改成強定義如int i = 5;那么就會出錯了腺晾。
//file1.c
int i;
//file2.c
int i = 4;
4.2 不完全類型結(jié)構(gòu)體
不完全類型的結(jié)構(gòu)體十分重要，比如我們最開始提到的struct node的定義辜贵，編譯器從前往后處理悯蝉，發(fā)現(xiàn)struct node *next時，認為struct node是一個不完全類型托慨，next是一個指向不完全類型的指針鼻由，盡管如此，指針本身是完全類型厚棵，因為不管什么指針在32位系統(tǒng)都是占用4個字節(jié)蕉世。而到后面定義結(jié)束，struct node成了一個完全類型婆硬，從而next就是一個指向完全類型的指針了讨彼。
4.3 結(jié)構(gòu)體初始化和大小
結(jié)構(gòu)體初始化比較簡單，需要注意的是結(jié)構(gòu)體中包含有指針的時候柿祈，如果要進行字符串拷貝之類的操作哈误，對指針需要額外分配內(nèi)存空間哩至。如下面定義了一個結(jié)構(gòu)體student的變量stu和指向結(jié)構(gòu)體的指針pstu，雖然stu定義的時候已經(jīng)隱式分配了結(jié)構(gòu)體內(nèi)存蜜自，但是你要拷貝字符串到它指向的內(nèi)存的話菩貌，需要顯示分配內(nèi)存。
struct student {
char *name;
int age;
} stu, *pstu;
int main()
{
stu.age = 13; //正確
// strcpy(stu.name,"hello"); //錯誤重荠，name還沒有分配內(nèi)存空間
stu.name = (char *)malloc(6);
strcpy(stu.name, "hello"); //正確
return 0;
}
結(jié)構(gòu)體大小涉及一個對齊的問題箭阶，對齊規(guī)則為：
- 結(jié)構(gòu)體變量首地址為最寬成員長度（如果有
#pragma pack(n)，則取最寬成員長度和n的較小值戈鲁，默認pragma的n=8）的整數(shù)倍 - 結(jié)構(gòu)體大小為最寬成員長度的整數(shù)倍
- 結(jié)構(gòu)體每個成員相對結(jié)構(gòu)體首地址的偏移量都是每個成員本身大谐鸩巍（如果有pragma pack(n),則是n與成員大小的較小值）的整數(shù)倍
因此，下面結(jié)構(gòu)體S1和S2雖然內(nèi)容一樣婆殿，但是字段順序不同诈乒，大小也不同，sizeof(S1) = 8, 而sizeof(S2) = 12. 如果定義了#pragma pack(2)婆芦，則sizeof(S1)=8怕磨；sizeof(S2)=8
typedef struct node1
{
int a;
char b;
short c;
}S1;
typedef struct node2
{
char b;
int a;
short c;
}S2;
4.4 柔性數(shù)組
柔性數(shù)組是指結(jié)構(gòu)體的最后面一個成員可以是一個大小未知的數(shù)組，這樣可以在結(jié)構(gòu)體中存放變長的字符串消约。如代碼中所示肠鲫。注意，柔性數(shù)組必須是結(jié)構(gòu)體最后一個成員,柔性數(shù)組不占用結(jié)構(gòu)體大小.當然或粮，你也可以將數(shù)組寫成char str[0],含義相同导饲。
updated： 查看Python源碼過程中，發(fā)現(xiàn)其柔性數(shù)組聲明并不是用一個空數(shù)組或者char str[0]氯材，而是用的char str[1]渣锦，即數(shù)組大小為1。這是因為ISO C標準不允許聲明大小為0的數(shù)組(gcc -pedanti參數(shù)可以檢查是否符合ISO C標準)浓体，為了可移植性泡挺，所以常潮惭龋看到的是聲明數(shù)組大小為1命浴。當然，很多編譯器比如GCC等把數(shù)組大小為0作為了一個非標準的擴展贱除，所以聲明空的或者大小為0的柔性數(shù)組在GCC中是可以正常編譯的生闲。
struct flexarray {
int len;
char str[];
} *pfarr;
int main()
{
char s1[] = "hello, world";
pfarr = malloc(sizeof(struct flexarray) + strlen(s1) + 1);
pfarr->len = strlen(s1);
strcpy(pfarr->str, s1);
printf("%d\n", sizeof(struct flexarray)); // 4
printf("%d\n", pfarr->len); // 12
printf("%s\n", pfarr->str); // hello, world
return 0;
}
5 總結(jié)
- 關于const，c語言中的const不是常量月幌，所以不能用const變量來定義數(shù)組碍讯，如
const int N = 3; int a[N];這是錯誤的。 - 注意內(nèi)存分配和釋放扯躺，杜絕野指針捉兴。
- C語言中弱符號和強符號一起鏈接是合法的蝎困。
- 注意指針和數(shù)組的區(qū)別。
- typedef和#define是不同的倍啥。
- 注意包含指針的結(jié)構(gòu)體的初始化和柔性數(shù)組的使用禾乘。
6 參考資料
- 《c專家編程》
- 《linux c一站式編程》
- 《高質(zhì)量C/C++編程》
- 結(jié)構(gòu)體字節(jié)對齊
- 柔性數(shù)組
