logo标签列表

为什么要将字符与0xff进行按位与操作？

ccharbitwise-andinteger-promotionisspace
8

我正在阅读一些实现简单解析器的代码。一个名为scan的函数将一行文本分解成标记。函数scan有一个静态变量bp，用于指定需要分解为标记的行。在赋值后，空格被跳过。请参见下面的代码。我不理解的是代码为什么要将bp所指向的字符与0xff进行按位与操作，即* bp & 0xff的目的是什么？这个操作的作用是什么？

while (isspace(* bp & 0xff))
    ++ bp;

与此不同：

while (isspace(* bp))
    ++ bp;

这里是scan函数：

static enum tokens scan (const char * buf)
                    /* return token = next input symbol */
{   static const char * bp;

    while (isspace(* bp & 0xff))
        ++ bp;

        ..
}
3
对于isspace函数，如果*bp的值不能表示为unsigned char并且不等于EOF，其行为是未定义的。因此，可能需要使用一个复杂的强制类型转换，而不是使用(unsigned char) *bp。请问bp是char*类型吗？ - Ted Lyngmo
2
在这种情况下，您实际上是在检查 bp 的最低字节，通过执行 & 0xff 来丢弃可能的其他字节，然后查看结果是否与空格字符匹配。 - h0r53
1
@RogerCostello 是的，但我认为问题与 bp 的类型关系较小，更多地与 isspace 的参数类型有关，它是一个 int，可能是多个字节。 - h0r53
1
@nielsen 这实际上是一种将其表示为“unsigned char”的方法，因为实现允许假设它会得到EOF或某些可表示为“unsigned char”的东西。我认为KamilCuk的答案已经解释清楚了。 - Ted Lyngmo
1
除了缺少包含文件和变量定义之外，缺失的部分是默认整数提升。[顺便说一句：@TedLyngmo：请不要在C问题上发布C++文档的参考。这两种语言是不同的。例如尝试sizeof('a')] 哦，还有char的符号。 - wildplasser
显示剩余8条评论
6个回答
7

从C标准（7.4字符处理<ctype.h>）中：

1 头文件<ctype.h>声明了几个用于分类和映射字符的有用函数。198）在所有情况下，参数都是int类型，其值应表示为无符号char或等于宏EOF的值。如果参数具有任何其他值，则行为未定义。

在这个调用中：

isspace(* bp)

由于整数提升规则，类型为char的参数表达式 *bp 被转换为int类型。
如果char类型行为类似于signed char类型，并且表达式*bp的值为负，则int类型的晋升表达式的值也将是负数，无法表示为unsigned char类型的值。
这会导致未定义的行为。
在这个调用中：
isspace(* bp & 0xff)

由于使用位运算符 &，表达式 * bp & 0xff 的结果值可以表示为类型为 unsigned char 的值。

因此，这是一种技巧，用来代替编写更清晰的代码，比如：

isspace( ( unsigned char )*bp )

isspace 函数通常用于将其 int 类型的参数作为索引在包含 256 个值（从 0 到 255）的表中进行查找实现。如果 int 类型的参数的值大于最大值 255 或者是一个负值（并且不等于宏 EOF 的值），则该函数的行为未定义。

3

来自cppreference isspace()：如果ch的值不能表示为unsigned char并且不等于EOF，则其行为是未定义的。

当*bp为负数时，例如-42，它就不能表示为unsigned char，因为它是负数，而unsigned char必须为正数或零。

在二进制补码系统中，值被符号扩展到更大的“宽度”，然后左侧位将被设置。然后，当您使用更宽的类型的0xff时，左侧位将被清除，您最终得到一个正值，小于或等于0xff，即可表示为unsigned char。

请注意，传递给 & 的参数会经过 隐式提升，因此在调用 isspace 之前，*bp 的结果就已经转换为 int。 假设例如 *bp = -42 并且假设平台是有理智的，具有带符号的 8 位字符和 32 位的 int，那么：
*bp & 0xff               # expand *bp = -42
(char)-42 & 0xff         # apply promotion
(int)-42 & 0xff          # lets convert to hex assuming twos-complement
(int)0xffffffd6 & 0xff   # do & operation
(int)0xd6                # lets convert to decimal
214                      # representable as unsigned char, all fine

没有 & 0xff，负值将导致未定义的行为。
我建议使用 isspace((unsigned char)*bp)。
基本上，最简单的 isspace 实现 看起来就像：
static const char bigarray[257] = { 0,0,0,0,0,...1,0,1,0,... };
// note: EOF is -1
#define isspace(x)  (bigarray[(x) + 1])

在这种情况下，您不能传递例如-42，因为bigarray[-41]是无效的。
1
您的问题：

这个怎么样：

while (isspace(* bp & 0xff))
    ++ bp;

不同于这个：

while (isspace(* bp))
    ++ bp;

区别在于，第一个示例中由于使用了完整掩码（0b11111111 或 0xff），你总是将bp的最低字节传递给isspace。可能isspace的参数包含比1个字节更大的类型。例如，isspace定义为isspace(int c)，因此可以看到这里的参数是一个int，根据系统的不同，它可能有多个字节。
简而言之，这是一个合理性检查，以确保isspace只比较来自bp变量的单个字节。
1
但是 bp 是一个 char*，所以 *bp 是一个 char，即它占用一个字节。 - pmg
1
没错，但是 isspace 实际上接受的是一个整数而不是一个字节，因此需要进行一些强制类型转换。这基本上是一个健全性检查，以确保只使用了 bp 中的一个字节作为 isspace 的参数。 - h0r53
2
嗯...当 *bp 小于0时，它会被符号扩展为 int，因此它有更多的设置位，对吧？ - KamilCuk
2
我明白了，你的意思是“将 *bp 转换为 int 后再取其中的一个字节”。 - pmg
1
是的，它似乎是“无意义的”，我相信在大多数情况下都是如此，但很可能存在一种边缘情况，这种显式比较是有用的（例如，隐式类型转换、符号扩展、Unicode等）。 - h0r53
显示剩余2条评论
1
while (isspace(* bp & 0xff))
    ++ bp;

&&

while (isspace(* bp))
    ++ bp;

严格来说，如果 bp 没有引用 unsigned char，那么两者都是不正确的。

在这种情况下应该是：

while (isspace((unsigned char)(*bp & 0xff)))
    ++ bp;

或者更好
while (isspace(*bp == EOF ? EOF : (unsigned char)(*bp & 0xff)))
    ++ bp;

如果参数不是EOF或者不是unsigned char的值，那么isspace未定义。

如果*bp引用char，则它必须是：

while (isspace((unsigned char)(*bp)))
    ++bp;
1
0

如果我们假设char类型的位始终为8位，
那么这里使用按位与运算符0xff的代码将会使我们感到困惑。

但是如果char类型不总是8位呢？
那么0xff可能有另一种含义，对吧？

实际上，char类型并不总是8位，我们可以在C99标准中看到详细信息。标准中未将char类型定义为8位。

以下是C99标准描述char类型大小的方式。

6.5.3.4 sizeof运算符 当应用于具有类型char、unsigned char或signed char（或其限定版本）的操作数时， 结果为1。当应用于具有数组类型的操作数时，结果是数组中的总字节数。当应用于具有结构或联合类型的操作数时， 结果是这样一个对象中的总字节数，包括内部和尾随填充。

6.2.5 类型 声明为 char 类型的对象足够大，可以存储基本执行字符集中的任何成员。如果将基本执行字符集的成员存储在 char 对象中，则其值保证为正数。如果将任何其他字符存储在 char 对象中，则生成的值是实现定义的，但必须在该类型可以表示的值范围内。
例如，德州仪器的 TMS320C28x DSP 具有 16 位的 char。
对于编译器指定 here，CHAR_BIT 为 16，见第 99 页。
这似乎是一款现代处理器（目前正在销售），支持 C99 和 C++03 的编译器。
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接