*(unsigned char *)s1 和 (unsigned char)*s1 之间的 C 区别答案

【问题标题】：C difference between *(unsigned char *)s1 and (unsigned char)*s1*(unsigned char *)s1 和 (unsigned char)*s1 之间的 C 区别
【发布时间】：2013-11-20 20:50:51
【问题描述】：

我有一个任务是重写一些在 libc 中可用的流行 C 函数。

我正在写strcmp，当我写完并且对它感到满意时，我去检查了 libc 中的那个。

这是我的：

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

这是 libc (https://www.opensource.apple.com/source/Libc/Libc-262/ppc/gen/strcmp.c) 中的那个：

int
strcmp(const char *s1, const char *s2)
{
    for ( ; *s1 == *s2; s1++, s2++)
    if (*s1 == '\0')
        return 0;
    return ((*(unsigned char *)s1 < *(unsigned char *)s2) ? -1 : +1); // HERE ! Why *(unsigned char *) :/ ?
}

我不明白为什么*(unsigned char *)s1 有效，我以为它不会，但它似乎真的有效！

然后我在另一个 libc (https://sourceware.org/git/?p=glibc.git;a=blob;f=string/strcmp.c;h=a4645638eb685e479b89a5e3912076329cc27773;hb=HEAD) 中找到了这个实现

int
strcmp (p1, p2)
  const char *p1;
  const char *p2;
{
    const unsigned char *s1 = (const unsigned char *) p1;
    const unsigned char *s2 = (const unsigned char *) p2;
    unsigned char c1, c2; 
    do
    {
       c1 = (unsigned char) *s1++;
       c2 = (unsigned char) *s2++;
       if (c1 == '\0')
           return c1 - c2;
     }
     while (c1 == c2); 
     return c1 - c2;
}

这也很奇怪，但出于其他原因，这个使用了我认为正确的(const unsigned char *) p1

【问题讨论】：

“我认为不会”——为什么不会呢？
为什么还要加一个 * 呢？我的意思是这 2 颗星的意义何在？
嗯什么？那么为什么你认为这个结构不起作用呢？第一个星号是取消引用指针的* 运算符。第二颗星（在类型转换内）是指针限定符。
为什么*(unsigned char *)s1中有2个*
在这种情况下，没有区别，但如果指针不是char *，而是e。 G。如果代码将别名为int *，那么会有。

标签： c pointers syntax casting

【解决方案1】：

您获取 char* 并将其取消引用到 char，然后将其转换为 unsigned char

您认为不起作用的那个只是先将指针转换为unsigned char*，然后当它取消引用时，它是一个unsigned char。

在这种情况下，因为它只是从char 到unsigned char，所以基本上没有区别。

但是，如果原始指针指向int 或其他内容，您的指针将获得int 并将其转换为unsigned char。另一个将获取int 的第一个字节并将其作为unsigned char 返回

【讨论】：

谢谢你更清楚，对不起@H2CO3 也许这对你来说真的很容易但不清楚！
@ItsASecret：这是合乎逻辑的，这是肯定的，但这并不容易，因为人类不习惯逻辑，...... - 根据定义。 ;-)

【解决方案2】：

(unsigned char *)s1 将 s1 从 const char *s1 类型转换为 (unsigned char *)s1 和 *(unsigned char *)s1 取消引用它以获取值。

【讨论】：

所以不是一回事吧？它的行为不应该完全相同
也许 char 已签名，这就是它被强制转换为 unsigned 的原因。
@ItsASecret 再一次，最后一次。 属于类型，是指针限定符。
好吧，有一个“错误”..这个*1，这似乎是一个错字。
所以慢慢来，找到你的想法和话语。并且：总是把你写的东西读两遍.. ;-)

【解决方案3】：

(unsigned char)*s1 和*(unsigned char*)s1 的区别在于如何从s1 指向的位置加载数据：

(unsigned char)*s1 读取s1 指向的类型值，然后将该值转换为unsigned char。此变体不能调用未定义的行为。

如果s1 是double*，则将读取double（即将从内存中加载8 个字节），并将其值转换为unsigned char
*(unsigned char*)s1 首先更改指针应该指向的内容，然后读取s1 指向的位置的第一个字节。在某些情况下，这是较新标准的未定义行为，但您的案例不会调用未定义行为。

如果s1 再次是double*，则生成的代码将加载存储双精度的第一个字节中的位模式（即，仅加载一个字节）。这将与 double 的逻辑值完全不同。

旁白

关于未定义行为的可能性，规则大致如下：

将指针投射到“足够接近”的东西是可以的。这包括强制转换改变 constness 和 signness。
转换为char* 类型是一种特殊情况，它们从不调用未定义的行为。（感谢 Jens Gustedt 指出这一点。）

所以我们有以下几种情况：

将int* 转换为const unsigned int* 很好。
将int* 转换为char* 很好。
将 double* 转换为 uint64* 以分析双精度的位模式是未定义的行为，并允许编译器插入格式化硬盘的代码。

【讨论】：

虽然部分错误的答案。将任何数据指针转换为unsigned char* 非常好。该标准保证这将始终有效。 unsigned char 具有最低对齐要求，不能有陷阱表示。总是可以将一个字节解释为一个字节。
@JensGustedt 但是将double* 转换为unsigned char* 不会违反严格的别名规则吗？我知道重新解释指针转换曾经是有效的 C，但我的印象是，新标准中严格的别名规则使得这种重新解释几乎不可能在不调用 UB 的情况下进行。
@cmaster，不，字符类型不受这些别名规则的约束，而且一直都是。
@JensGustedt 谢谢你的纠正。你是对的，我现在修改了答案以反映我增加的知识。我希望，你现在更喜欢它:-)

【解决方案4】：

简答：char 和 unsigned char 非常相似，可以用相同的方式解释。

长答案：C 标准足够具体，它保证 char 和 unsigned char 的大小均为 1 字节，并以相同的格式存储它们的“值位”。所以在 127 之前，这个函数的行为是严格定义的。

只有当你到达符号位时它才会变得混乱。 C 标准允许符号位表示一个补码、二进制补码或有符号幅度，具体取决于实现。因此，在使用二进制补码的平台上（这是迄今为止最常见的），-1 将表示为11111111，当解释为unsigned char 时将等于 255。但是使用带符号的幅度，它将被表示为10000001，当解释为unsigned char时等于129。

在后一种情况下，这与通过显式转换为 unsigned char（(unsigned char) s1++ 示例）得到的结果不同：

如果新类型是无符号的，则通过重复添加或转换值比新类型可以表示的最大值多减一直到值在新类型的范围内。

因此，C 标准保证，如果您将 -1 显式转换为 unsigned char，则将添加值 256，从而使转换结果为 255。因此，如果您在使用有符号幅度的平台上：

    char c = -1;
    unsigned char u1 = (unsigned char)c; // this results in 255
    unsigned char u2 = *(unsigned char *)&c; // this results in 129!

我想这些差异是如此罕见，以至于没有人注意到它们。不使用 2 的补码的 C 实现很少。

【讨论】：