Python源碼剖析筆記0 ——C語言基礎

標籤：python   源碼   c語言   

python源碼剖析筆記0——C語言基礎回顧

要分析python源碼，C語言的基礎不能少，特別是指標和結構體等知識。這篇文章先回顧C語言基礎，方便後續代碼的閱讀。

1 關於ELF檔案

linux中的C編譯得到的目標檔案和可執行檔都是ELF格式的，可執行檔中以segment來劃分，目標檔案中，我們是以section劃分。一個segment包含一個或多個section，通過readelf命令可以看到完整的section和segment資訊。看一個栗子：

char pear[40];static double peach;int mango = 13;char *str = "hello";static long melon = 2001;int main(){        int i = 3, j;        pear[5] = i;        peach = 2.0 * mango;        return 0;}

這是個簡單的C語言代碼，現在分析下各個變數儲存的位置。其中mango，melon屬於data section，pear和peach屬於common section中，而且peach和melon加了static，說明只能本檔案使用。而str對應的字串”helloworld”儲存在rodata section中。main函數歸屬於text section，函數中的局部變數i,j在運行時在棧中分配空間。注意到前面說的全域未初始設定變數peach和pear是在common section中，這是為了強弱符號而設定的。那其實最終連結成為可執行檔後，會歸於BSS segment。同樣的，text section和rodata section在可執行檔中都屬於同一個segment。

更多ELF內容參見《程式猿的自我修養》一書。

2 關於指標

想當年學習C語言最怕的就是指標了，當然《c與指標》和《c專家編程》以及《高品質C編程》裡面對指標都有很好的講解，系統回顧還是看書吧，這裡我總結了一些基礎和易錯的點。環境是ubuntu14.10的32位系統，編譯工具GCC。

2.1 指標易錯點

/***指標易錯樣本1 demo1.c***/int main(){        char *str = "helloworld"; //[1]        str[1] = ‘M‘; //[2] 會報錯        char arr[] = "hello"; //[3]        arr[1] = ‘M‘;        return 0;}

demo1.c中，我們定義了一個指標和數組分別指向了一個字串，然後修改字串中某個字元的值。編譯後運行會發現[2]處會報錯，這是為什麼呢？用命令gcc -S demo1.c 產生彙編代碼就會發現[1]處的helloworld是儲存在rodata section的，是唯讀，而[3]處的是儲存在棧中的。所以[2]報錯而[3]正常。在C中，用[1]中的方式建立字串常量並賦值給指標，則字串常量儲存在rodata section。而如果是賦值給數組，則儲存在棧中或者data section中（如[3]就是儲存在棧中）。樣本2給出了更多容易出錯的點，可以看看。

/***指標易錯樣本2 demo2.c***/char *GetMemory(int num) {        char *p = (char *)malloc(sizeof(char) * num);        return p;}char *GetMemory2(char *p) {        p = (char *)malloc(sizeof(char) * 100);}char *GetString(){        char *string = "helloworld";        return string;}char *GetString2(){        char string[] = "helloworld";        return string;}void ParamArray(char a[]){        printf("sizeof(a)=%d\n", sizeof(a)); // sizeof(a)=4，參數以指標方式傳遞}int main(){        int a[] = {1, 2, 3, 4};        int *b = a + 1;        printf("delta=%d\n", b-a); // delta=4，注意int數組步長為4        printf("sizeof(a)=%d, sizeof(b)=%d\n", sizeof(a), sizeof(b)); //sizeof(a)=16, sizeof(b)=4        ParamArray(a);         //引用了不屬於程式地址空間的地址，導致段錯誤        /*        int *p = 0;        *p = 17;                 */        char *str = NULL;        str = GetMemory(100);        strcpy(str, "hello");        free(str); //釋放記憶體        str = NULL; //避免野指標        //錯誤版本，這是因為函數參數傳遞的是副本。        /*        char *str2 = NULL;        GetMemory2(str2);        strcpy(str2, "hello");        */        char *str3 = GetString();        printf("%s\n", str3);        //錯誤版本，返回了棧指標，編譯器會有警告。        /*        char *str4 = GetString2();        */        return 0;}

2.2 指標和數組

在2.1中也提到了部分指標和數組內容，在C中指標和數組在某些情況下可以相互轉換來使用，比如char *str="helloworld"可以通過str[1]來訪問第二個字元，也可以通過*(str+1)來訪問。
此外，在函數參數中，使用數組和指標也是等同的。但是指標和數組在有些地方並不等同，需要特別注意。

比如我定義一個數組char a[9] = "abcdefgh";(注意字串後面自動補\0),那麼用a[1]讀取字元’b’的流程是這樣的：

• 首先，數組a有個地址，我們假設是9980。
• 然後取位移值，位移值為索引值元素大小，這裡索引是1，char大小也為1，因此加上9980為9981，得到數組a第1個元素的地址。（如果是int類型數組，那麼這裡位移就是1 4 = 4）
• 取地址9981處的值，就是’b’。

那如果定義一個指標char *a = "abcdefgh";，我們通過a[1]來取第一個元素的值。跟數組流程不同的是：

• 首先，指標a自己有個地址，假設是4541.
• 然後，從4541取a的值，也就是字串“abcdefgh”的地址，假定是5081。
• 接著就是跟之前一樣的步驟了，5081加上位移1，取5082地址處的值，這裡就是’b’了。

通過上面的說明可以發現，指標比數組多了一個步驟，雖然看起來結果是一致的。因此，下面這個錯誤就比較好理解了。在demo3.c中定義了一個數組，然後在demo4.c中通過指標來聲明並引用它，顯然是會報錯的。如果改成extern char p[];就正確了（當然聲明你也可以寫成extern char p[3],聲明裡面的數組大小跟實際大小不一致是沒有關係的），一定要保證定義和聲明匹配。

/***demo3.c***/char p[] = "helloworld";/***demo4.c***/extern char *p;int main(){        printf("%c\n", p[1]);        return 0;}

3 關於typedef和#define

typedef和#define都是經常用的，但是它們是不一樣的。一個typedef可以塞入多個聲明器，而#define一般只能有一個定義。在連續聲明中，typedef定義的類型可以保證聲明的變數都是同一種類型，而#define不行。此外，typedef是一種徹底的封裝類型，在聲明之後不能再添加其他的類型。如代碼中所示。

#define int_ptr int *int_ptr i, j; //i是int *類型，而j是int類型。typedef char * char_ptr;char_ptr c1, c2; //c1, c2都是char *類型。#define peach intunsigned peach i; //正確typdef int banana;unsigned banana j; //錯誤，typedef聲明的類型不能擴充其他類型。

另外，typedef在結構體定義中也很常見，比如下面代碼中的定義。需要注意的是，[1]和[2]是很不同的。當你如[1]中那樣用typedef定義了struct foo，那麼其實除了本身的foo結構標籤，你還定義了foo這種結構類型，所以可以直接用foo來聲明變數。而如[2]中的定義是不能用bar來聲明變數的，因為它只是一個結構變數，並不是結構類型。

還有一點需要說明的是，結構體是有自己名字空間的，所以結構體中的欄位可以跟結構體名字相同，比如[3]中那樣也是合法的，當然盡量不要這樣用。後面一節還會更詳細探討結構體，因為在Python源碼中也有用到很多結構體。

typedef struct foo {int i;} foo; //[1]struct bar {int i;} bar; //[2]struct foo f; //正確，使用結構標籤foofoo f; //正確，使用結構類型foostruct bar b; //正確，使用結構標籤barbar b; // 錯誤，使用了結構變數bar，bar已經是個結構體變數了，可以直接初始化，比如bar.i = 4;struct foobar {int foorbar;}; //[3]合法的定義

4 關於結構體

在學習資料結構的時候，定義鏈表和樹結構會經常用到結構體。比如下面這個：

struct node {    int data;    struct node* next;};

在定義鏈表的時候可能就有點奇怪了，為什麼可以這樣定義，貌似這個時候struct node還沒有定義好為什麼就可以用next指標指向用這個結構體定義了呢？

4.1 不完全類型

這裡要說下C語言裡面的不完全類型。C語言可以分為函數類型，物件類型以及不完全類型。而物件類型還可以分為標量類型和非標量類型。算術類型（如int，float，char等）和指標類型屬於標量類型，而定義完整的結構體，聯合體，數組等都是非標量類型。而不完全類型是指沒有定義完整的類型，比如下面這樣的

struct s;union u;char str[];

具有不完全類型的變數可以通過多次聲明組合成一個完全類型。比如下面2詞聲明str數組是合法的：

char str[];char str[10];

此外，如果兩個源檔案定義了同一個變數，只要它們不全部是強型別的，那麼也是可以編譯通過的。比如下面這樣是合法的，但是如果將file1.c中的int i;改成強定義如int i = 5;那麼就會出錯了。

//file1.cint i;//file2.cint i = 4;

4.2 不完全類型結構體

不完全類型的結構體十分重要，比如我們最開始提到的struct node的定義，編譯器從前往後處理，發現struct node *next時，認為struct node是一個不完全類型，next是一個指向不完全類型的指標，儘管如此，指標本身是完全類型，因為不管什麼指標在32位系統都是佔用4個位元組。而到後面定義結束，struct node成了一個完全類型，從而next就是一個指向完全類型的指標了。

4.3 結構體初始化和大小

結構體初始化比較簡單，需要注意的是結構體中包含有指標的時候，如果要進行字串拷貝之類的操作，對指標需要額外分配記憶體空間。如下面定義了一個結構體student的變數stu和指向結構體的指標pstu，雖然stu定義的時候已經隱式分配了結構體記憶體，但是你要拷貝字串到它指向的記憶體的話，需要顯示分配記憶體。

struct student {    char *name;    int age;} stu, *pstu;int main(){    stu.age = 13; //正確    // strcpy(stu.name,"hello"); //錯誤，name還沒有分配記憶體空間    stu.name = (char *)malloc(6);    strcpy(stu.name, "hello"); //正確    return 0;}

結構體大小涉及一個對齊的問題，對齊規則為：

• 結構體變數首地址為最寬成員長度（如果有#pragma pack(n)，則取最寬成員長度和n的較小值，預設pragma的n=8）的整數倍
• 結構體大小為最寬成員長度的整數倍
• 結構體每個成員相對結構體首地址的位移量都是每個成員本身大小（如果有pragma pack(n),則是n與成員大小的較小值）的整數倍
  因此，下面結構體S1和S2雖然內容一樣，但是欄位順序不同，大小也不同，sizeof(S1) = 8, 而sizeof(S2) = 12. 如果定義了#pragma pack(2)，則sizeof(S1)=8；sizeof(S2)=8

typedef struct node1{    int a;    char b;    short c;}S1;typedef struct node2{    char b;    int a;    short c;}S2;

4.4 柔性數組

柔性數組是指結構體的最後面一個成員可以是一個大小未知的數組，這樣可以在結構體中存放變長的字串。如代碼中所示。注意，柔性數組必須是結構體最後一個成員,柔性數組不佔用結構體大小.當然，你也可以將數組寫成char str[0],含義相同。

struct flexarray {        int len;        char str[];} *pfarr;int main(){        char s1[] = "hello, world";        pfarr = malloc(sizeof(struct flexarray) + strlen(s1) + 1);        pfarr->len = strlen(s1);        strcpy(pfarr->str, s1);        printf("%d\n", sizeof(struct flexarray)); // 4        printf("%d\n", pfarr->len); // 12        printf("%s\n", pfarr->str); // hello, world        return 0;}

5 總結

• 關於const，c語言中的const不是常量，所以不能用const變數來定義數組，如const int N = 3; int a[N];這是錯誤的。
• 注意記憶體配置和釋放，杜絕野指標。
• C語言中弱符號和強符號一起連結是合法的。
• 注意指標和數組的區別。
• typedef和#define是不同的。
• 注意包含指標的結構體的初始化和柔性數組的使用。

6 參考資料

• 《c專家編程》
• 《linux c一站式編程》
• 《高品質C/C++編程》
• 結構體位元組對齊
• 柔性數組

Python源碼剖析筆記0 ——C語言基礎