困惑于C语言字符串常量

Question

当我看到这个Porters Stemming算法的C语言实现时，我发现了一个我不理解的C-ism。

（说明：本段内容讲述作者在查阅与Porters Stemming算法相关的C语言实现时，对其中某些C语言特有的写法感到困惑。）

#include <stdio.h>
#include <stdlib.h>
#include <string.h>

void test( char *s )
{
    int len = s[0];

    printf("len= %i\n", len );

    printf("s[len] = %c\n", s[len] );
}

int main()
{
    test("\07" "abcdefg");

    return 0;
}

并输出：

len = 7
s[len] = g

然而，当我输入

test("\08" "abcdefgh");

或者任何长度超过7个字符的字符串常量与第一对括号中相应的长度（即 test("\09" "abcdefghi"); 的输出为

len = 0
s[len] = 

但是像 test("\01" "abcdefgh"); 这样的任何输入都会打印出该位置上的字符（如果我们暂时将第一个字符位置称为1而不是0）。

似乎 test(char *s) 读取了第一对括号中的数字（我不确定它是如何做到这一点的，因为我认为 s[0] 只能读取单个字符，即 '\'），并打印出第二对括号中字符串常量的该索引+1处的最后一个字符。

我的问题是：似乎我们正在将两个字符串常量传递给 test(char *s)。这里究竟发生了什么，也就是说，编译器似乎如何将字符串“分割”成两对括号？另一个可能会有的问题是，形如 "blah" "abcdefg" 的字符串是否是一段连续的内存块？可能我忽略了一些基本概念，但即使如此，我也想知道我忽略了什么。我知道这是一个基本概念，但我找不到一个清晰的例子或情境来解释这个问题，老实说我也不理解输出结果。欢迎任何有帮助的评论。

- Rob L

---

相邻的字符串字面量会被预处理器连接起来。 - Shafik Yaghmour

@ShafikYaghmour：是的，我认为这是有意的。看起来代码试图模拟Pascal字符串。 - Fred Larson

Answer 1

这里至少涉及到以下三个方面：

• 编译器将相邻的字符串字面量拼接在一起。例如，"a" "b" 和 "ab" 是一样的。

• 反斜杠是转义字符，不会被直接复制到结果字符串中。符号 \01 表示“ASCII 值为 1 的字符”。

• 符号 \0... 表示一个八进制字符常量。八进制数用 0 到 7 的数字组成。8 不是一个有效的八进制常量，所以 "\08" 不会跟在 "\07" 后面。

- Greg Hewgill

---

请注意，八进制的符号表示不一定是\0... - 例如，\33是一个完全有效的八进制字符常量。\08则被解释为\0后跟着8。 - user4815162342

是的，在C语言中，可变长度字符串非常不寻常，你几乎找不到任何支持它们的地方。 - Greg Hewgill

长度字节和“实际字符串”被分开的原因可能需要一些额外的解释。 - Jongware

Answer 2

问题并不在于字符串的长度，而在于字符串字面值中用于指定不可打印值的\o语法。\o，\oo和\ooo表示八进制常量，即写成八进制形式的单个字符值。由于08在\08中不代表一个有效的八进制数，因此它被解释为\0后面跟着ASCII字符8。

要解决这个问题，请将8表示为\10或\010。

test("\007" "abcdefg");
test("\010" "abcdefgh");

...或者切换到十六进制，其中\x前缀使基数对于普通读者更加明确：

test("\x07" "abcdefg");
test("\x08" "abcdefgh");
test("\x09" "abcdefghi");
test("\x0a" "abcdefghij");
...

- user4815162342

Answer 3

\number在字符或字符串字面值中表示其代码为number的字符。 number被解释为八进制，因此第一个非八进制数字终止该数字。 因此，"\07"是一个包含代码为7的字符的单字符字符串，但\08是一个包含代码为0的字符后跟数字8的双字符字符串。

此外，代码0是C中用于指示字符串结尾的空终止符。因此，第二个字符串在开头就结束了，因为它的第一个字节是终止符。这就是为什么您第二个示例中字符串的长度为0的原因。

- Barmar

Answer 4

当两个或多个字符串字面量相邻（仅由空格分隔）时，编译器将它们合并为单个字符串。因此，"\07" "abcdefg"等价于"\07abcdefg"。"\07"是一个八进制转义。八进制转义在三个数字后结束，或者在第一个非八进制字符处结束。因此，当您输入"\08"时，8是一个非八进制字符，因此转义结束，并在s[0]中存储0。
现在，len为0，打印s[len]将尝试打印s[0]处的字符，该字符具有不可打印的ASCII码（仅ASCII值大于32的字符可打印）。

- haccks