标准C++ 字符串

一、标准库中的字符串类型

在C++中，字符串是一个非常重要的数据类型，用于表示和处理文本信息。C++提供了多种方式来处理字符串，每种方式都有其特点和适用场景。以下是几种常见的字符串类型及其用法：

1. C 风格字符串 (char* 或 char[])

C 风格字符串是最基础的字符串表示方式，它是一个以空字符 \0 结尾的字符数组。

char str1[] = "Hello, World!";
char* str2 = "Hello, World!";

特点：

• 直接使用字符数组，简单高效。
• 没有内置的长度检查，容易发生缓冲区溢出等问题。
• 需要手动管理内存。

示例：

#include <iostream>
#include <cstring> // for strlen, strcpy, etc.int main() {char str1[] = "Hello, World!";char str2[50];std::cout << "Length of str1: " << strlen(str1) << std::endl;strcpy(str2, str1); // Copy str1 to str2std::cout << "str2: " << str2 << std::endl;return 0;
}

2. std::string（C++ 标准库）

C++标准库中的<string>头文件定义了std::string类，提供了丰富的成员函数和操作符重载，使得字符串处理更加方便和安全。

#include <string>
#include <iostream>int main() {std::string str1 = "Hello, World!";std::string str2 = str1 + " How are you?";std::cout << "str1: " << str1 << std::endl;std::cout << "str2: " << str2 << std::endl;std::cout << "Length of str2: " << str2.length() << std::endl;return 0;
}

特点：

• 类型安全：避免缓冲区溢出等安全问题。
• 动态管理内存，不需要手动释放。
• 提供了丰富的成员函数，如 length(), substr(), find(), replace() 等。
• 支持字符串拼接、比较等操作。
• 支持移动语义，允许更高效地处理临时字符串。
• 可以从其他字符串、字符数组、字符指针以及初始化列表构造字符串。
• C++ 新增成员函数

•   `shrink_to_fit()`：减少内存使用，将容量减少到与大小相同。
  

•   `to_string()`：将数值类型转换为字符串。
  

•   `stoi()`, `stol()`, `stoll()`, `stof()`, `stod()`, `stold()`：字符串到数值的转换函数。
  

3. 字符串字面量

C++ 11引入了原始字符串字面量，它允许字符串字面量包含任意字符，包括换行符、制表符和引号，而不需要进行转义。原始字符串字面量以 R"(...)" 的形式书写，例如：

const char* raw_str = R"(Hello "World"
This is a raw string literal)";

4. 宽字符字符串1 wchar_t* 或 wchar_t[]

宽字符字符串用于处理多字节字符集，如 Unicode。它们使用 wchar_t 类型来存储字符。

wchar_t wstr1[] = L"Hello, World!";
wchar_t* wstr2 = L"Hello, World!";

特点：

• 每个字符占用多个字节，适合处理多字节字符集。
• 使用 wchar_t 类型，需要特殊的函数来处理，如 wcslen, wcscpy 等。

示例：

#include <iostream>
#include <cwchar> // for wcslen, wcscpy, etc.int main() {wchar_t wstr1[] = L"Hello, World!";wchar_t wstr2[50];std::wcout << L"Length of wstr1: " << wcslen(wstr1) << std::endl;wcscpy(wstr2, wstr1); // Copy wstr1 to wstr2std::wcout << L"wstr2: " << wstr2 << std::endl;return 0;
}

5. 宽字符字符串2 std::wstring

std::wstring 是 std::string 的宽字符版本，用于处理宽字符字符串。

#include <string>
#include <iostream>int main() {std::wstring wstr1 = L"Hello, World!";std::wstring wstr2 = wstr1 + L" How are you?";std::wcout << L"wstr1: " << wstr1 << std::endl;std::wcout << L"wstr2: " << wstr2 << std::endl;std::wcout << L"Length of wstr2: " << wstr2.length() << std::endl;return 0;
}

Unicode 字符串字面量

C++ 11支持Unicode字符串字面量，允许使用 Unicode 字符集编写字符串字面量。可以使用 u8 前缀表示UTF-8编码，u 前缀表示UTF-16编码，U 前缀表示UTF-32编码。例如：

const char* utf8_str = u8"Hello, 世界"; // UTF-8
const char16_t* utf16_str = u"Hello, 世界"; // UTF-16
const char32_t* utf32_str = U"Hello, 世界"; // UTF-32

特点：

• 动态管理内存，不需要手动释放。
• 提供了丰富的成员函数，如 length(), substr(), find(), replace() 等。
• 支持宽字符字符串的拼接、比较等操作。

6. std::u16string 和 std::u32string

从 C++11 开始，标准库引入了 std::u16string 和 std::u32string，分别用于处理 16 位和 32 位的 Unicode 字符串。

#include <string>
#include <iostream>int main() {std::u16string u16str1 = u"Hello, World!";std::u32string u32str1 = U"Hello, World!";std::cout << "u16str1: " << std::wstring_convert<std::codecvt_utf8_utf16<char16_t>, char16_t>().to_bytes(u16str1) << std::endl;std::cout << "u32str1: " << std::wstring_convert<std::codecvt_utf8<char32_t>, char32_t>().to_bytes(u32str1) << std::endl;return 0;
}

特点：

• 分别使用 char16_t 和 char32_t 类型来存储字符。
• 适用于处理 UTF-16 和 UTF-32 编码的字符串。
• 需要使用 std::wstring_convert 进行编码转换。

总结

• C 风格字符串：简单高效，但容易出错。
• std::string：功能丰富，使用方便，安全性高。
• 宽字符字符串：适用于多字节字符集，如 Unicode。
• std::wstring：std::string 的宽字符版本。
• std::u16string 和 std::u32string：适用于 UTF-16 和 UTF-32 编码的字符串。

选择合适的字符串类型取决于你的具体需求，例如是否需要处理多字节字符集、是否需要更高的安全性等。

二、 常用字符串操作

以下是一些常用的字符串操作：

• 构造和赋值:

  std::string str1 = "Hello";
  std::string str2(str1); // 拷贝构造
  std::string str3 = str1 + ", World!"; // 字符串连接
  

• 长度和容量:

  size_t length = str.length(); // 或 str.size()
  size_t capacity = str.capacity();
  

• 修改字符串:

  str.append("append this"); // 在末尾添加字符串
  str.insert(7, "inserted "); // 在指定位置插入字符串
  str.erase(5, 3); // 删除指定位置的字符
  str.replace(5, 3, "replaced"); // 替换指定位置的字符
  

• 查找和比较:

  size_t found = str.find("World"); // 查找子串
  bool equal = (str1 == str2); // 比较字符串
  

• 子串提取:

  std::string substr = str.substr(7, 5); // 提取子串
  

• 字符访问:

    std::string str = "Hello, World!";// 通过索引访问字符串中的字符for (size_t i = 0; i < str.size(); ++i) {std::cout << "Character at index " << i << " is: " << str[i] << std::endl;}
  

• 字符串流:
  C++还提供了字符串流（std::istringstream、std::ostringstream、std::stringstream），可以用于字符串的格式化输入输出操作。

#include <sstream>
std::ostringstream oss;
oss << "Hello" << ", " << "World!";
std::string formatted_str = oss.str();

这些是C++中处理字符串的基本方式。在实际编程中，std::string因其易用性和安全性而成为处理字符串的首选方式。

std::getline 的增强

std::getline 函数现在可以接受任何输入流和字符串，而不仅仅是 std::string。这使得从流中读取数据更加灵活。

正则表达式库

C++ 11引入了 <regex> 库，它提供了一种使用正则表达式处理字符串的方式。这个库包括正则表达式类型 std::regex 和用于匹配、查找和替换的函数。

自动类型推导

C++ 11引入了 auto 关键字，可以用于自动推导变量的类型，这在处理字符串迭代器时非常有用，因为它们通常很长且难以记忆。

for (auto it = str.begin(); it != str.end(); ++it) {// 使用迭代器
}

以上是C++ 11中字符串相关的一些主要特性。这些特性极大地提高了字符串处理的灵活性和便利性，使得C++在文本处理方面的能力得到了显著增强。

std::string 的编码格式

std::string 是 C++ 标准库中的一个类，用于表示和处理字符串。在 std::string 中，字符串的编码格式并不是由 std::string 类本身决定的，而是由字符串中存储的数据和程序解释这些数据的方式决定的。
以下是一些关于 std::string 编码格式的要点：

1. 字符类型：std::string 存储的是一系列字符，这些字符默认是 char 类型。在大多数系统上，char 是一个字节（8位），并且可以用来存储 ASCII 编码的字符。
2. ASCII 编码：如果 std::string 仅包含 ASCII 字符（即字符值在 0 到 127 之间），则它通常被解释为 ASCII 编码。ASCII 是一个单字节编码方案，能够表示英文字母、数字和一些特殊符号。
3. 扩展 ASCII 编码：有时 std::string 可能包含扩展 ASCII 字符（字符值在 128 到 255 之间），这取决于系统的本地编码设置。扩展 ASCII 允许表示更多的字符，例如重音符号和其他语言的一些字符。
4. 多字节编码：如果 std::string 用于表示非 ASCII 字符，如 Unicode 字符，那么字符串可能使用多字节编码方案，如 UTF-8、UTF-16 或 UTF-32。在这些编码方案中，不同的字符可能占用不同数量的字节。
   • UTF-8：是一种变长编码，使用 1 到 4 个字节表示一个 Unicode 字符。它是网络传输中最常用的编码格式，并且与 ASCII 编码向后兼容。
   • UTF-16：是另一种变长编码，使用 2 或 4 个字节表示一个 Unicode 字符。
   • UTF-32：使用固定 4 个字节表示一个 Unicode 字符。
5. 编码的独立性：std::string 类本身并不关心字符串内部的编码格式。当你在 std::string 中存储字符时，它仅仅是将这些字符作为字节序列来处理。因此，如果需要处理特定的编码格式，程序员需要确保正确地编码和解码字符串。
6. 编码转换：在实际应用中，你可能需要将 std::string 从一种编码转换为另一种编码。这通常需要使用专门的库，如 ICU（International Components for Unicode）或者 C++11 以后的标准库中的 <codecvt> 头文件（尽管 <codecvt> 在 C++17 中已被弃用）。
7. 字符串字面量：在 C++ 中，字符串字面量（如 "Hello, World!"）默认是 ASCII 编码的。但是，C++11 引入了 Unicode 字符串字面量，允许使用前缀 u（UTF-16）、U（UTF-32）和 u8（UTF-8）来表示不同编码的字符串。
   总之，std::string 的编码格式取决于你的程序如何解释存储在其中的字节序列，而 std::string 类本身并不强制或假设任何特定的编码。