用std::string或std::vector<char>来保存原始数据。

Question

我希望这个问题适用于stackoverflow...在存储原始数据字节(8位)时，使用 std::string 和使用 std::vector<char> 有什么区别。我从文件中读取二进制数据，并将这些原始字节存储在 std::string 中。这很有效，没有问题或异常。我的程序按预期工作。然而，其他程序员更喜欢使用 std::vector<char> 并建议我停止使用 std::string，因为它对于原始字节不安全。那么，为什么使用 std::string 来保存原始数据字节是不安全的呢？我知道 std::string 最常用于存储 ASCII 文本，但一个字节就是一个字节，所以我不明白为什么会优先选择 std::vector<char>。谢谢任何建议！

- 01100110

---

在C++11之前，std::string不保证提供连续的存储空间，如果你需要通过&s[0]获取一个非const指向数据的指针，这很重要。但是现在已经不再是这样了。 - Pavel Minaev

可能是vector <unsigned char> vs string for binary data的重复问题。 - Brian Neal

Answer 1

The problem is not whether it works or not. The problem is that it can be very confusing for the next person who reads your code. std::string is intended for displaying text, and anyone reading your code will expect that. You can express your intention more clearly by using a std::vector<char>. This will improve your WTF/min during code reviews.

- J.N.

---

我从未这样想过。说得好。我认为std::string是一个容器，它包含字节。它们可能是ASCII字节，但不一定是。在我看来，std::string就是std::bytes，但知道其他人有不同的看法也是好的。我可以理解这会让人感到困惑。 - 01100110

更多的观点来说，当我想到“byte”时，我会想到uint8_t。大部分情况下，我只在实际持有字符数据时使用char，例如在使用缓冲区时（例如使用new char[]来分配内存以构建对象），或是与一些使用char的已有API兼容。通常我更喜欢使用std::vector<uint8_t>来存储原始字节数据。 - user1084944

@Hurkyl uint8_t 不保证长度为一个字节。而 char 则是。 - emlai

@zenith：了解导致它起作用的漏洞将是有趣的；我知道CHAR_BIT至少必须为8，对象的大小必须是字节的倍数。uint8_t不存在的路径是清晰的；你如何安排它存在并且sizeof(uint8_t)>1？ - user1084944

Answer 2

在C++03中，使用std::string存储字节数据数组不是一个好主意。按照标准，std::string不必须存储连续的数据。C++11对此作出了修正，使得它的数据必须是连续的。

因此，在C++03中这样做将没有效果，除非你已经审查了你的C++标准库实现，以确保它是连续的。

无论如何，我建议使用vector<char>。通常，当你看到string时，你会认为它是一个...字符串。你知道，一种编码形式的字符序列。而vector<char>表示它不是一个字符串，而是一个字节数组。

- Nicol Bolas

---

谢谢。我们使用C++11，所以字节是连续的。我的std::string的想法似乎比大多数人更广泛。我很感激你的意见。了解为什么其他人会觉得这很困惑对我很有好处，尽管它确实有效。 - 01100110

Answer 3

除了连续存储和代码清晰度问题外，我在尝试使用std::string来保存原始字节时遇到了一些相当阴险的错误。

其中大部分集中在尝试将一个字节的char数组转换为std::string与C库进行交互时。例如：

std::string password = "pass\0word";
std::cout << password.length() << std::endl; // prints 4, not 9

也许您可以通过指定长度来解决这个问题：

std::string password("pass\0word", 0, 9);
std::cout << password.length() << std::endl; // nope! still 4!

这可能是因为构造函数期望收到一个C字符串，而不是一个字节数组。可能有更好的方法，但我最终得到了这个：

std::string password("pass0word", 0, 9);
password[4] = '\0';
std::cout << password.length() << std::endl; // hurray! 9!

有些繁琐。幸运的是，我在单元测试中发现了这个问题，但如果我的测试向量没有空字节，我会错过它。这种方法的隐蔽之处在于上面的第二种方法将正常工作，直到数组包含空字节。

到目前为止，std::vector<uint8_t>看起来是一个不错的选择（感谢J.N.和Hurkyl）：

char p[] = "pass\0word";
std::vector<uint8_t> password(p, p, p+9); // :)

注意：我没有尝试使用std::string的迭代器构造函数，但这种错误非常容易出现，因此甚至可能值得避免出现这种可能性。

得到的教训：

• 使用包含空字节的测试向量测试字节处理方法。
• 在使用std::string保存原始字节时要小心（我建议避免使用）。

- jtpereyda

---

在C++11中，你能否从字符串字面量初始化一个char或uint8_t的向量？ - M.M

Answer 4

使用std::string来存储文本文件中的字符。这样你就可以放心，字符编码会被正确处理。

使用std::vector<std::byte>来存储二进制文件中的原始字节。这将防止意外的类型转换，并确保数据操作的安全性。数据的精确表示非常重要，意图也得到了传达。

- Drizzle