C语言缺陷与陷阱

C语言缺陷与陷阱（笔记）C语言像一把雕刻刀，锋利，并且在技师手中非常有用。和任何锋利的工具一样，C会伤到那些不能掌握它的人。本文介绍C语言伤害粗心的人的方法，以及如何避免伤害。第一部分研究了当程序被划分为记号时会发生的问题。第二部分继续研究了当程序的记号被编译器组合为声明、表达式和语句时会出现的问题。第三部分研究了由多个部分组成、分别编译并绑定到一起的C程序。第四部分处理了概念上的误解：当一个程序具体执行时会发生的事情。第五部分研究了我们的程序和它们所使用的常用库之间的关系。在第六部分中，我们注意到了我们所写的程序也许并不是我们所运行的程序；预处理器将首先运行。最后，第七部分讨论了可移植性问题：一个能在一个实现中运行的程序无法在另一个实现中运行的原因。词法分析器（lexicalanalyzer）：检查组成程序的字符序列，并将它们划分为记号（token）一个记号是一个由一个或多个字符构成的序列，它在语言被编译时具有一个（相关地）统一的意义。C程序被两次划分为记号，首先是预处理器读取程序，它必须对程序进行记号划分以发现标识宏的标识符。通过对每个宏进行求值来替换宏调用，最后，经过宏替换的程序又被汇集成字符流送给编译器。编译器再第二次将这个流划分为记号。1.1=不是==：C语言则是用=表示赋值而用==表示比较。这是因为赋值的频率要高于比较，因此为其分配更短的符号。C还将赋值视为一个运算符，因此可以很容易地写出多重赋值（如a=b=c），并且可以将赋值嵌入到一个大的表达式中。1.2&和|不是&&和||1.3多字符记号C语言参考手册说明了如何决定：“如果输入流到一个给定的字符串为止已经被识别为记号，则应该包含下一个字符以组成能够构成记号的最长的字符串”“最长子串原则”1.4例外组合赋值运算符如+=实际上是两个记号。因此，a+/*strange*/=1和a+=1是一个意思。看起来像一个单独的记号而实际上是多个记号的只有这一个特例。特别地，p-a是不合法的。它和p-a不是同义词。另一方面，有些老式编译器还是将=+视为一个单独的记号并且和+=是同义词。1.5字符串和字符包围在单引号中的一个字符只是编写整数的另一种方法。这个整数是给定的字符在实现的对照序列中的一个对应的值。而一个包围在双引号中的字符串，只是编写一个有双引号之间的字符和一个附加的二进制值为零的字符所初始化的一个无名数组的指针的一种简短方法。使用一个指针来代替一个整数通常会得到一个警告消息（反之亦然），使用双引号来代替单引号也会得到一个警告消息（反之亦然）。但对于不检查参数类型的编译器却除外。由于一个整数通常足够大，以至于能够放下多个字符，一些C编译器允许在一个字符常量中存放多个字符。这意味着用'yes'代替yes将不会被发现。后者意味着“分别包含y、e、s和一个空字符的四个连续存储器区域中的第一个的地址”，而前者意味着“在一些实现定义的样式中表示由字符y、e、s联合构成的一个整数”。这两者之间的任何一致性都纯属巧合。2句法缺陷理解这些记号是如何构成声明、表达式、语句和程序的。2.1理解声明每个C变量声明都具有两个部分：一个类型和一组具有特定格式的、期望用来对该类型求值的表达式。float*g(),(*h)();表示*g()和(*h)()都是float表达式。由于()比*绑定得更紧密，*g()和*(g())表示同样的东西：g是一个返回指float指针的函数，而h是一个指向返回float的函数的指针。当我们知道如何声明一个给定类型的变量以后，就能够很容易地写出一个类型的模型（cast）：只要删除变量名和分号并将所有的东西包围在一对圆括号中即可。float*g();声明g是一个返回float指针的函数，所以(float*())就是它的模型。(*(void(*)())0)();硬件会调用地址为0处的子程序(*0)();但这样并不行，因为*运算符要求必须有一个指针作为它的操作数。另外，这个操作数必须是一个指向函数的指针，以保证*的结果可以被调用。需要将0转换为一个可以描述“指向一个返回void的函数的指针”的类型。(Void(*)())0在这里，我们解决这个问题时没有使用typedef声明。通过使用它，我们可以更清晰地解决这个问题：typedefvoid(*funcptr)();//typedeffuncptrvoid(*)();指向返回void的函数的指针(*(funcptr)0)();//调用地址为0处的子程序2.2运算符并不总是具有你所想象的优先级绑定得最紧密的运算符并不是真正的运算符：下标、函数调用和结构选择。这些都与左边相关联。接下来是一元运算符。它们具有真正的运算符中的最高优先级。由于函数调用比一元运算符绑定得更紧密，你必须写(*p)()来调用p指向的函数；*p()表示p是一个返回一个指针的函数。转换是一元运算符，并且和其他一元运算符具有相同的优先级。一元运算符是右结合的，因此*p++表示*(p++)，而不是(*p)++。在接下来是真正的二元运算符。其中数学运算符具有最高的优先级，然后是移位运算符、关系运算符、逻辑运算符、赋值运算符，最后是条件运算符。需要记住的两个重要的东西是：1.所有的逻辑运算符具有比所有关系运算符都低的优先级。2.移位运算符比关系运算符绑定得更紧密，但又不如数学运算符。乘法、除法和求余具有相同的优先级，加法和减法具有相同的优先级，以及移位运算符具有相同的优先级。还有就是六个关系运算符并不具有相同的优先级：==和!=的优先级比其他关系运算符要低。在逻辑运算符中，没有任何两个具有相同的优先级。按位运算符比所有顺序运算符绑定得都紧密，每种与运算符都比相应的或运算符绑定得更紧密，并且按位异或（^）运算符介于按位与和按位或之间。三元运算符的优先级比我们提到过的所有运算符的优先级都低。这个例子还说明了赋值运算符具有比条件运算符更低的优先级是有意义的。另外，所有的复合赋值运算符具有相同的优先级并且是自右至左结合的具有最低优先级的是逗号运算符。赋值是另一种运算符，通常具有混合的优先级。2.3看看这些分号！或者是一个空语句，无任何效果；或者编译器可能提出一个诊断消息，可以方便除去掉它。一个重要的区别是在必须跟有一个语句的if和while语句中。另一个因分号引起巨大不同的地方是函数定义前面的结构声明的末尾，考虑下面的程序片段：structfoo{intx;}f(){...}在紧挨着f的第一个}后面丢失了一个分号。它的效果是声明了一个函数f，返回值类型是structfoo，这个结构成了函数声明的一部分。如果这里出现了分号，则f将被定义为具有默认的整型返回值[5]。2.4switch语句C中的case标签是真正的标签：控制流程可以无限制地进入到一个case标签中。看看另一种形式，假设C程序段看起来更像Pascal：switch(color){case1:printf(red);case2:printf(yellow);case3:printf(blue);}并且假设color的值是2。则该程序将打印yellowblue，因为控制自然地转入到下一个printf()的调用。这既是C语言switch语句的优点又是它的弱点。说它是弱点，是因为很容易忘记一个break语句，从而导致程序出现隐晦的异常行为。说它是优点，是因为通过故意去掉break语句，可以很容易实现其他方法难以实现的控制结构。尤其是在一个大型的switch语句中，我们经常发现对一个case的处理可以简化其他一些特殊的处理。2.5函数调用和其他程序设计语言不同，C要求一个函数调用必须有一个参数列表，但可以没有参数。因此，如果f是一个函数，f();就是对该函数进行调用的语句，而f;什么也不做。它会作为函数地址被求值，但不会调用它[6]。2.6悬挂else问题一个else总是与其最近的if相关联。3连接一个C程序可能有很多部分组成，它们被分别编译，并由一个通常称为连接器、连接编辑器或加载器的程序绑定到一起。由于编译器一次通常只能看到一个文件，因此它无法检测到需要程序的多个源文件的内容才能发现的错误。3.1你必须自己检查外部类型假设你有一个C程序，被划分为两个文件。其中一个包含如下声明：intn;而令一个包含如下声明：longn;这不是一个有效的C程序，因为一些外部名称在两个文件中被声明为不同的类型。然而，很多实现检测不到这个错误，因为编译器在编译其中一个文件时并不知道另一个文件的内容。因此，检查类型的工作只能由连接器（或一些工具程序如lint）来完成；如果操作系统的连接器不能识别数据类型，C编译器也没法过多地强制它。那么，这个程序运行时实际会发生什么？这有很多可能性：1.实现足够聪明，能够检测到类型冲突。则我们会得到一个诊断消息，说明n在两个文件中具有不同的类型。2.你所使用的实现将int和long视为相同的类型。典型的情况是机器可以自然地进行32位运算。在这种情况下你的程序或许能够工作，好象你两次都将变量声明为long（或int）。但这种程序的工作纯属偶然。3.n的两个实例需要不同的存储，它们以某种方式共享存储区，即对其中一个的赋值对另一个也有效。这可能发生，例如，编译器可以将int安排在long的低位。不论这是基于系统的还是基于机器的，这种程序的运行同样是偶然。4.n的两个实例以另一种方式共享存储区，即对其中一个赋值的效果是对另一个赋以不同的值。在这种情况下，程序可能失败。这种情况发生的另一个例子出奇地频繁。程序的某一个文件包含下面的声明：charfilename[]=etc/passwd;而另一个文件包含这样的声明：char*filename;尽管在某些环境中数组和指针的行为非常相似，但它们是不同的。在第一个声明中，filename是一个字符数组的名字。尽管使用数组的名字可以产生数组第一个元素的指针，但这个指针只有在需要的时候才产生并且不会持续。在第二个声明中，filename是一个指针的名字。这个指针可以指向程序员让它指向的任何地方。如果程序员没有给它赋一个值，它将具有一个默认的0值（NULL）（[译注]实际上，在C中一个为初始化的指针通常具有一个随机的值，这是很危险的！）。这两个声明以不同的方式使用存储区，它们不可能共存。避免这种类型冲突的一个方法是使用像lint这样的工具（如果可以的话）。为了在一个程序的不同编译单元之间检查类型冲突，一些程序需要一次看到其所有部分。典型的编译器无法完成，但lint可以。避免该问题的另一种方法是将外部声明放到包含文件中。这时，一个外部对象的类型仅出现一次[7]。4语义缺陷4.1表达式求值顺序一些C运算符以一种已知的、特定的顺序对其操作数进行求值。但另一些不能。例如，考虑下面的表达式：ab&&cdC语言定义规定ab首先被求值。如果a确实小于b，cd必须紧接着被求值以计算整个表达式的值。但如果a大于或等于b，则cd根本不会被求值。要对ab求值，编译器对a和b的求值就会有一个先后。但在一些机器上，它们也许是并行进行的。C中只有四个运算符&&、||、?:和,指定了求值顺序。&&和||最先对左边的操作数进行求值，而右边的操作数只有在需要的时候才进行求值。而?:运算符中的三个操作数：a、b和c，最先对a进行求值，之后仅对b或c中的一个进行求值，这取决于a的值。,运算符首先对左边的操作数进行求值，然后抛弃它的值，对右边的操作数进行求值[8]。C中所有其它的运算符对操作数的求值顺序都是未定义的。事实上，赋值运算符不对求值顺序做出任何保证。出于这个原因，下面这种将数组x中的前n个元素复制到数组y中的方法是不可行的：i=0;while(in)y[i]=x[i++];其中的问题是y[i]的地址并不保证在i增长之前被求值。在某些实现中，这是可能的；但在另一些实现中却不可能。另一种情况出于同样的原因会失败：i=0;while(in)y[i++]=x[i];而下面的代码是可以工作的：i=0;while(in){y[i]=x[i];i++;}当然，这可以简写为：for(i=0;i