第3章字符串长度与比较

课程目录第3章字符串长度与比较

第3章：字符串长度与比较——strlen、strcmp、strncmp 的实现原理与手写代码

大家好，我是你们的老朋友。

今天咱们聊聊字符串处理里最基础、也最容易被忽视的三个函数：strlen、strcmp 和 strncmp。

你可能会说：“这有什么好讲的？直接用不就行了？”

嗯，我以前也这么想。直到有一次，我在一个嵌入式项目里，因为 strlen 的返回值类型踩了坑，导致程序在特定条件下死循环。从那以后，我养成了一个习惯：凡是标准库函数，一定要亲手实现一遍，搞清楚它的脾气。

今天，我就带你把这些函数的“底裤”扒干净。

3.1 strlen：别被它的简单骗了

strlen 的作用很简单：返回字符串的长度，不包括结尾的 '\0'。

但你真的了解它吗？

3.1.1 标准库的声明

#include <string.h>
size_t strlen(const char *s);

注意返回值类型：size_t。这是个无符号整数，在 32 位系统上是 unsigned int，在 64 位系统上是 unsigned long long。

⚠️ 我曾经踩过的坑：
把 strlen 的返回值直接赋给 int 变量，然后和另一个 int 比较。当字符串长度超过 INT_MAX 时，size_t 转 int 会溢出，结果变成负数。比较逻辑直接崩了。

3.1.2 手写一个 strlen

最直观的实现，就是遍历直到遇到 '\0'：

size_t my_strlen(const char *s) {
    size_t len = 0;
    while (*s != '\0') {
        len++;
        s++;
    }
    return len;
}

这个版本没问题，但效率一般。每次循环只处理一个字节。

我个人的习惯是，在性能敏感的场景下，用“按字对齐”的方式优化。原理很简单：一次读 4 个或 8 个字节，然后检查其中是否有 '\0'。

这里有个经典技巧：

#include <stddef.h>   // for size_t
#include <stdint.h>   // for uintptr_t

size_t fast_strlen(const char *str) {
    const char *s = str;

    // 1. 对齐到 4 字节边界
    while ((uintptr_t)s & 3) {
        if (*s == '\0') return (size_t)(s - str);
        s++;
    }

    // 2. 按 4 字节块读取
    const uint32_t *p = (const uint32_t *)s;
    while (1) {
        uint32_t v = *p;
        // 检查 v 中是否有字节为 0
        // 经典技巧：((v - 0x01010101) & ~v & 0x80808080)
        if (((v - 0x01010101) & ~v & 0x80808080) != 0) {
            // 有 '\0'，逐字节定位
            const char *cp = (const char *)p;
            if (cp[0] == '\0') return (size_t)(cp - str);
            if (cp[1] == '\0') return (size_t)(cp - str + 1);
            if (cp[2] == '\0') return (size_t)(cp - str + 2);
            if (cp[3] == '\0') return (size_t)(cp - str + 3);
        }
        p++;
    }
}

这段代码看起来有点复杂，但核心思想就一句话：用位运算一次性检测 4 个字节里有没有 '\0'。

💡 小提示：
((v - 0x01010101) & ~v & 0x80808080) 这个表达式，是检测 32 位整数中是否有字节为 0 的经典方法。原理是：如果某个字节为 0，减 0x01 后会借位，导致高位变化。配合掩码就能揪出来。

不过说实话，日常开发中直接用标准库的 strlen 就够了。GCC 和 MSVC 的运行时库早就用汇编优化过了，比我们自己手写的快得多。我写这个版本，主要是为了让你理解底层原理。

3.2 strcmp：字符串比较的“字典序”

strcmp 比较两个字符串，按字典序返回：

返回值 < 0：第一个字符串小于第二个
返回值 = 0：两个字符串相等
返回值 > 0：第一个字符串大于第二个

3.2.1 标准库声明

int strcmp(const char *s1, const char *s2);

比较规则：逐字节比较，直到遇到不同字符或 '\0'。比较的是字符的 ASCII 码值。

3.2.2 手写 strcmp

int my_strcmp(const char *s1, const char *s2) {
    while (*s1 && (*s1 == *s2)) {
        s1++;
        s2++;
    }
    return (unsigned char)(*s1) - (unsigned char)(*s2);
}

注意最后一行：一定要转成 unsigned char。

为什么？

因为 char 在有些编译器上是 signed 的。如果某个字符的 ASCII 码大于 127，直接相减可能得到负数，导致比较结果错误。

🔍 我遇到过的一个真实 bug：

一个同事用 strcmp 比较包含中文字符的字符串（GBK 编码，高位字节 > 127）。结果明明相同的字符串，返回值却不等于 0。查了半天，发现是 char 被当作有符号数处理了。从那以后，我写字符串比较函数，一律用 unsigned char。

3.3 strncmp：带长度限制的比较

strncmp 比 strcmp 多一个参数：最多比较 n 个字符。

int strncmp(const char *s1, const char *s2, size_t n);

这个函数最大的价值是：防止越界。

你想想看，如果两个字符串都不是以 '\0' 结尾的（比如从固定大小的缓冲区读来的数据），用 strcmp 会一直读下去，直到遇到内存中的某个 '\0'。这可能导致段错误，或者更糟——悄无声息地读到别人的数据。

3.3.1 手写 strncmp

int my_strncmp(const char *s1, const char *s2, size_t n) {
    if (n == 0) return 0;

    while (n-- > 0) {
        if (*s1 != *s2) {
            return (unsigned char)(*s1) - (unsigned char)(*s2);
        }
        if (*s1 == '\0') {
            break;  // 两个字符串都结束了
        }
        s1++;
        s2++;
    }
    return 0;
}

这里有个细节：先比较字符，再检查 '\0'。顺序不能反。

如果先检查 '\0'，当两个字符串都结束时，会直接返回 0，但此时可能还没比较完 n 个字符。逻辑上没问题，但效率略低。我个人习惯先比较，因为大多数情况下字符串在前几个字符就分出胜负了。

3.4 知识体系总览

下面这张图，帮你把这三个函数的关系理清楚：

3.5 避坑指南与最佳实践

讲了这么多，最后总结几条我这些年积累的经验：

能用 strncmp 就别用 strcmp。除非你 100% 确定两个字符串都以 '\0' 结尾。我见过太多因为 strcmp 越界导致的崩溃。
注意 strncmp 的 n 参数。它比较的是字符数，不是字节数。对于多字节编码（如 UTF-8），一个字符可能占多个字节。这时候 strncmp 可能不是你想要的。
返回值不要直接当布尔值用。有些新手写 if (strcmp(a, b))，以为相等时返回 true。实际上相等时返回 0，在 C 语言里 0 表示 false。正确写法是 if (strcmp(a, b) == 0)。
性能敏感场景考虑自定义实现。标准库的 strlen 虽然快，但如果你知道字符串的大致长度范围，可以自己写一个带上限的版本，避免扫描整个字符串。

💡 我的个人习惯：
在嵌入式项目中，我通常会写一个 safe_strlen 函数，接受一个最大长度参数。这样即使遇到非 '\0' 结尾的字符串，也不会死循环。

好了，这一章的内容就到这里。字符串长度和比较，看似简单，但细节里藏着魔鬼。希望你能亲手把这三个函数写一遍，相信我，写完之后你对字符串的理解会上一个台阶。

下次见！

📚 课程目录