【C++ STL】你真的了解string吗？浅谈string的底层实现

底层结构概述

string可以帮助我们很好地管理字符串，但是你真的了解她吗？事实上，string的设计是非常复杂的，拥有上百个接口，但最常用的就那几个。如果不了解string的底层，就很难优雅地写出高效的代码！

要想高效地管理一个string类，至少需要3个成员变量，分别是：

char* _str;
size_t _size;
size_t _capacity;

比如要存储字符串"abcde"，那么_str指向了a，_size=5表示有5个有效字符（不包括’\0’），_capacity=8表示当前空间最多存储8个字符（实际上是9个，因为有’\0’）。此时，_str就是c_str的返回值，_size就是size的返回值，_capacity就是capacity的返回值；堆区上的空间总大小是9个字节，最多保存除了’\0’之外的8个字符，换句话说，当前再插入3个字符，空间就满了，需要扩容。

扩容机制

_str指向的空间是动态开辟出来的，当容量不够用时，会扩容。扩容的步骤是：

1. 申请新空间。
2. 把旧空间的数据拷贝到新空间中。
3. 释放旧空间。

设想一下，当字符串很长时，第2步的拷贝代价就会非常大。所以，我们要想方设法地减少甚至避免扩容！

假设我们要反复地插入字符，插入100次，容量会怎么变化呢？

#include <iostream>
#include <string>
using namespace std;int main()
{string s;size_t capacity = s.capacity();cout << "init: capacity = " << capacity << endl;for (size_t i = 0; i < 100; i++){s.push_back('x');if (s.capacity() != capacity){capacity = s.capacity();cout << "new: capacity = " << capacity << endl;}}return 0;
}

VS2022运行结果：

可以观察到，一开始容量是15，第一次扩容为原来容量的2倍，后面每次扩容都为原来容量的1.5倍。

g++运行结果：

可以观察到，每次扩容都是原来容量的2倍。

如果我们能提前知晓，即将插入100个字符，就可以调用reserve，提前保留足够的空间，从而避免扩容的消耗！

#include <iostream>
#include <string>
using namespace std;int main()
{string s;// 提前开空间，从而避免扩容的消耗！s.reserve(100);size_t capacity = s.capacity();cout << "init: capacity = " << capacity << endl;for (size_t i = 0; i < 100; i++){s.push_back('x');if (s.capacity() != capacity){capacity = s.capacity();cout << "new: capacity = " << capacity << endl;}}return 0;
}

VS2022运行结果：

g++运行结果：

浅拷贝与深拷贝

string是如何拷贝的呢？

如果不写拷贝构造函数，编译器会生成默认的拷贝构造函数，对内置类型按照字节拷贝，这种拷贝称作浅拷贝！

举个例子，有一个string s1的结构如下：

此时来了另一个string s2，把s1的_str，_size和_capacity都拷贝过去，此时两个string的_str就指向了同一块空间！

此时，如果我们修改其中一个string，另一个string也会同时被修改！更可怕的是，当对象的生命周期结束时，会调用析构函数，由于两个string中的_str存储的是同一个地址，这个地址就会被delete两次，从而导致进程崩溃！

为了解决这个问题，string必须实现深拷贝！也就是说，我们需要重新申请一块空间，把"abcde"拷贝过去，让s2的_str指向新的空间！

这样，修改其中一个string就不会影响另一个string，而且两个string的_str指向不同的空间，不会出现同一块空间释放两次的问题了！

插入和删除的效率

如果要在字符串尾部插入一个字符，底层是如何实现的呢？只需要在_str[_size]的位置插入字符，再让_size++，最后再填一个’\0’即可！

当然，如果插入前，_size==_capacity，说明空间不够用了，要扩容！扩容的逻辑前面讲过，这里不再重复。

但是如果要在中间插入一个字符呢？甚至在头部插入呢？就要先挪动数据腾出空间，才能插入！

比起在尾部插入数据，多出了挪动数据的消耗，所以应尽可能地少在string的头部或中间插入数据！

同理，如果要删除头部或中间的数据，也要挪动数据覆盖删除，所以应尽可能地避免删除头部或中间的数据！

浅谈VS和g++的优化

VS2022的X86环境下，一个string类对象的大小是28字节；X64环境下，大小是40个字节。32位环境下，char*大小是4字节，size_t大小是4字节，那么_str，_size，_capacity的总大小是12字节；64位环境下，char*大小是8字节，size_t大小是8字节，那么_str，_size，_capacity的总大小是24字节。那么，剩下还有16字节去哪了呢？

观察一下监视窗口：

注意到有一个char[16]类型的数组_Buf。也就是说，VS在栈区上也申请了一块空间，长度是16个字节，当字符串的size<=15时，就存储在这个数组中；当size>15时，才会存储到堆区，这是为了减少堆区的内存碎片，因为字符串的长度一般不会超过15。

g++的X86环境下，一个string对象的大小是4字节；X64环境下，大小是8字节。这是由于底层只存储了一个指针，指针指向的空间中，存储了引用计数，_size和_capacity，以及C-string的数据。

这个引用计数又是啥玩意呢？这是g++对string做的优化，实现了写时拷贝(Copy On Write)，创建对象时，把引用计数cnt初始化成1，拷贝的时候，cnt++。这样析构的时候，如果cnt不是1，就cnt--；如果cnt是1，再释放空间。当要对对象写入数据时，再进行深拷贝。这样极大地提升了拷贝的效率！

总结

1. string的底层可以理解为一个指针和两个无符号整形变量，分别代表了c_str，size和capacity的返回值。
2. 扩容是有代价的，尽可能使用reserve减少甚至避免扩容。
3. string底层实现了深拷贝。
4. 尽可能少地在string头部或者中间插入、删除数据。
5. VS和g++对string做了一些优化。