为什么operator>>(istream&, string&)能够安全地读入长度未知的字符串?

一般而言,实现“读入用户输入的字符串”,程序中自然不能对用户输入的长度有所限定。这在C++中很容易实现,而在C中确没那么容易。

这一疑问,我在刚学C++的时候也在脑中闪现过;不过很快将它抛在脑后了。直到最近,我在百度知道上讨论一个单词统计问题(链接)时,才重新想起。于是,翻出gcc 4.6.1的代码,浏览了一番。

首先,明确这里探讨的场景——从标准输入(或字符模式打开的文件)中读取一个字符串(换行、空格、tab间隔均可)。用C++实现这一功能有两种选择——使用C标准库和使用C++标准库,典型代码如下(错误处理代码省略):


C风格


C++风格


标准输入


char word[16];

scanf(”%s”, word);


string word;

cin >> word;


文件输入(字符模式)


char word[16];

FILE* fptr = NULL;

fptr = fopen(”input.txt”, ”rt”);

fscanf(fptr, ”%s”, word);


string word;

ifstream ifs(”input.txt”); // 默认ifsteam::in,可以不写

ifs >> word;

(由于标准输入输出和字符模式打开的文件并无太大区别,所以下面C风格只对fscanf探讨。C++ 标准输入和文件输入原本调用的就是同一个函数。)

下面,对分别对C风格的字符串输入和C++风格的字符串输入进行探讨。

scanf读入字符串

在使用fscanf(fptr, “%s”, word);方式读入字符串时,格式串”%s”上可以加长度限定,但不是必须的。

格式串上没有长度限定时

通常,我们不会在格式串上加长度限定。但是这种写法是不安全的,比如有下面的一段程序:

#include <stdio.h>
#include <string.h>

void login()
{
	int valid = 0;
	char password[6] = {0};

	printf("Please input password: ");
	scanf("%s", password);

	if( strcmp("pass", password) == 0 )
		valid = 1;

	if( valid ) {
		printf("password correct!\n");
	}
	else {
		printf("PASSWORD INCORRECT!\n");
	}
}

int main()
{
	while(1) {
		login();
	}

	return 0;
}

这段程序模拟典型的密码验证过程。可以看看程序几次的运行结果:

当用户输入的字符串长度小于等于6时,不会有问题。但如果长度大于6,可能会出现:1) password不正确已然能够验证成功(刚超出6);或者出现 2)程序崩溃(更长)。

为什么这么做不安全?

1)栈向下生长,所以valid,和password在login()栈帧上相邻;且password的地址更低。如下所示:

如果scanf(“%s”, password);读入的字符串是”123456A”,内存映像如下:

valid所在内存被scanf读入password时越界写入,若此时输出password,valid应分别为”123456A”, 65(’A’的ASCII值,Intel机器,小端对齐)

2)实际输入的越长,读入password时越界写入的字节数就越多。

而在多数体系结构(比如Intel机器)上,函数调用时(执行call指令)会将当前的指令指针(IA32的EIP)压栈,函数返回时(执行ret指令)会将指令指针弹出;再继续运行。一旦password越界写到该位置,函数执行ret语句后EIP将指向与调用该函数前不同的地址。通常,这个地址是个无效的值,会导致段错误。如果,你向这里写入了一个可执行的函数地址(可以是操作系统API、库函数等),顺带写入了这个函数所需的参数;这样该函数返回时就会执行另外的代码,这就是著名的“缓冲区溢出攻击”。

格式串上有长度限定时

我们习惯于在printf的格式串上加长度限定,比如printf(”%5d\n”, icount);

而scanf的格式串也是可以加长度限定的,比如scanf(”%5s”,buf);

这时又会怎样呢?可经如下代码实验之:

#include <stdio.h>

int main(int argc, char *argv[])
{
	char buf[6];
	while( scanf("%5s", buf) == 1 ) {
		printf("scaned:%s\n", buf);
	}
	return 0;
}

运行如下:

(第一行为输入,后面连续几行为输出)

这样的写法是安全的,但并不是我们所需——读取未知长度的字符串。

比如在图片所示的测试中,用户输入的字符串是: 1234567890123和123456。而程序每次只能读取5个字符(结束符占一个,所以比缓冲小一个),它会将1234567890123截断。单从其返回后的状态并不能区分:这些截断原本是一个长的字符串,还是用户分别输入的多个独立的字符串,也就是:

另外,这种写法存在一个隐患,即必须时刻保证:(格式串上限定的长度)≤ (实际输入缓冲长度 - 1)。实际编程时,要一直保证这一关系比较困难。尤其是缓冲的大小和格式串长度不在一个代码片段中时;这同时也给修改代码带来了不小的麻烦。

下面,来看看C++标准库是如何实现的。

operator>>()读入字符串

使用C++标准库,实现读入一个(长度未知的)字符串的代码非常简单,只需声明一个std::string str;,然后cin>>str;即可:

#include <iostream>
#include <string>
using namespace std;

// 略...
	string str;
	cin >> str;

这和,输入一个int,float的代码没什么两样——对程序员和用户都很友好。

对于cin >> str;可以读入任意长度的字符串(只要内存够用),就和std::string的operator+=一样,大家都司空见惯了(我也是)。直到最近,当我从会C的角度来看这个问题时,便有了标题的疑问。

(同时发现Eclipse(CDT)对运算符重载代码也能很方便的定位,只需按住Ctrl,鼠标点击你要查看的运算符即可,该opertor的定义立刻出现)

Eclipse直接定位到的是:

  template<>
    basic_istream<char>&
    operator>>(basic_istream<char>& __is, basic_string<char>& __str);

而,该段特化版本的声明在我的gcc 4.6.1中并不能继续定位到实现。而紧邻它的泛型版的声明:

<basic_string.h>:

  /**
   *  @brief  Read stream into a string.
   *  @param is  Input stream.
   *  @param str  Buffer to store into.
   *  @return  Reference to the input stream.
   *
   *  Stores characters from @a is into @a str until whitespace is found, the
   *  end of the stream is encountered, or str.max_size() is reached.  If
   *  is.width() is non-zero, that is the limit on the number of characters
   *  stored into @a str.  Any previous contents of @a str are erased.
   */
  template<typename _CharT, typename _Traits, typename _Alloc>
    basic_istream<_CharT, _Traits>&
    operator>>(basic_istream<_CharT, _Traits>& __is,
	       basic_string<_CharT, _Traits, _Alloc>& __str);

  template<>
    basic_istream<char>&
    operator>>(basic_istream<char>& __is, basic_string<char>& __str);

可以找到实现:

<basic_string.tcc>:


995

996

997

998

999

1000

1001

1002

1003

1004

1005

1006

1007

1008

1009

1010

1011

1012

1013

1014

1015

1016

1017

1018

1019

1020

1021

1022

1023

1024

1025

1026

1027

1028

1029

1030

1031

1032

1033

1034

1035

1036

1037

1038

1039

1040

1041

1042

1043

1044

1045

1046

1047

1048

1049

1050

1051

1052

1053

1054

1055

1056

1057

1058

1059

1060

1061

1062

1063

1064

1065

1066


// 21.3.7.9 basic_string::getline and operators

template<typename_CharT,
typename_Traits,
typename_Alloc>

basic_istream<_CharT,_Traits>&

operator>>(basic_istream<_CharT,_Traits>&
__in,

basic_string<_CharT,_Traits,
_Alloc>& __str)

{

typedef
basic_istream<_CharT,
_Traits
>    
__istream_type;

typedef
basic_string<_CharT,
_Traits
, _Alloc> __string_type;

typedef
typename
__istream_type::ios_base        __ios_base;

typedef
typename
__istream_type::int_type     __int_type;

typedef
typename
__string_type::size_type     __size_type;

typedef
ctype<_CharT>             __ctype_type;

typedef
typename
__ctype_type::ctype_base        __ctype_base;

__size_type __extracted = 0;

typename
__ios_base::iostate __err =
__ios_base::goodbit;

typename
__istream_type::sentry __cerb(__in,false);

if (__cerb)

{

__try

{

// Avoid reallocation for common case.

__str.erase();

_CharT __buf[128];

__size_type __len = 0;

const
streamsize __w = __in.width();

const
__size_type __n = __w > 0 ? static_cast<__size_type>(__w)

: __str.max_size();

const
__ctype_type& __ct = use_facet<__ctype_type>(__in.getloc());

const
__int_type __eof = _Traits::eof();

__int_type __c =
__in.rdbuf()->sgetc();

while (__extracted < __n

&& !_Traits::eq_int_type(__c, __eof)

&& !__ct.is(__ctype_base::space,

_Traits::to_char_type(__c)))

{

if (__len ==
sizeof
(__buf) / sizeof(_CharT))

{

__str.append(__buf, sizeof(__buf) /sizeof(_CharT));

__len = 0;

}

__buf[__len++] = _Traits::to_char_type(__c);

++__extracted;

__c = __in.rdbuf()->snextc();

}

__str.append(__buf, __len);

if (_Traits::eq_int_type(__c, __eof))

__err |= __ios_base::eofbit;

__in.width(0);

}

__catch(__cxxabiv1::__forced_unwind&)

{

__in._M_setstate(__ios_base::badbit);

__throw_exception_again;

}

__catch(...)

{

// _GLIBCXX_RESOLVE_LIB_DEFECTS

// 91. Description of operator>> and getline() for string<>

// might cause endless loop

__in._M_setstate(__ios_base::badbit);

}

}

// 211.  operator>>(istream&, string&) doesn‘t set failbit

if (!__extracted)

__err |= __ios_base::failbit;

if (__err)

__in.setstate(__err);

return
__in;

}

暂且不看错误处理,从Ln1017到Ln1045即为主要逻辑。看到1018行的__buf[]数组,我们已经能够猜出大概。

这里调用了basic_istream的一些成员函数:

width()  用于控制输入输出的宽度,相当于printf,scnaf格式串上的长度限定的作用。它有两个版本,这里都调用了。

无参数版本返回当前字段的宽度,默认情况下返回0;有参数版本用于设定当前字段宽度,这里设定为了0。

rdbuf()  返回和basic_istream相关的basic_streambuf(存放实际字符)

和streambuf的一些成员函数:

sgetc()  读取当前字符

snextc()  前进到下一位置,并读取字符

以及string的成员函数:

append()  字符串追加

此时,再看Ln1025—Ln1041就非常清楚了:

	      __int_type __c = __in.rdbuf()->sgetc();

	      while (__extracted < __n
		     && !_Traits::eq_int_type(__c, __eof)
		     && !__ct.is(__ctype_base::space,
				 _Traits::to_char_type(__c)))
		{
		  if (__len == sizeof(__buf) / sizeof(_CharT))
		    {
		      __str.append(__buf, sizeof(__buf) / sizeof(_CharT));
		      __len = 0;
		    }
		  __buf[__len++] = _Traits::to_char_type(__c);
		  ++__extracted;
		  __c = __in.rdbuf()->snextc();
		}
	      __str.append(__buf, __len);

迁移到C环境

据此我们可以写出一个C语言版本的fgetvs():

// get variable length string.
char *fgetvs(FILE *stream)
{
	int c;
	char buf[4] = {0};
	size_t len = 0;

	char *str = NULL;
	size_t slen = 0;

	c = fgetc(stream);
	while( c != EOF && !isspace(c) )
	{
		if(len == sizeof(buf)/sizeof(char))
		{
			void *old = str;
			str = strapp(str, slen, buf, sizeof(buf)/sizeof(char));
			slen += len;
			free(old);
			len = 0;
		}
		buf[len++] = (char)c;
		c = fgetc(stream);
		// printf("DEBUG: %c, %d, %s\n", c, len, buf);
	}
	str = strapp(str, slen, buf, len);
	// slen += len;

	return str;
}

(这段代码的变量命名基本上与上面operator>>里的一致,但没有__下划线)

这段代码使用(char*,size_t)模拟std::string,可以避免频繁调用strlen。(也可以仅用char*,每次strlen求长度)

strapp返回新字符串而不改变传入的两个字符串。

代码的难点由转移到了strapp(),正确的写出strapp也不难,完整的模拟程序代码如下:

#include <stdio.h>
#include <stdlib.h> // for malloc free
#include <assert.h> // for assert
#include <ctype.h>  // for isspace
#include <string.h> // for memcpy

// string append.
static char *strapp(const char *str, size_t len,
			const char *appstr, size_t applen)
{
	char *pnew = NULL;

	pnew = (char*)malloc( (len + applen + 1)	* sizeof(char));
	assert(pnew != NULL);
	if(str) {
		memcpy(pnew, str, len);
	}
	memcpy(pnew+len, appstr, applen);
	pnew[len+applen] = ‘\0‘;
	return pnew;
}

// get variable length string.
char *fgetvs(FILE *stream)
{
	int c;
	char buf[4] = {0};
	size_t len = 0;

	char *str = NULL;
	size_t slen = 0;

	c = fgetc(stream);
	while( c != EOF && !isspace(c) )
	{
		if(len == sizeof(buf)/sizeof(char))
		{
			void *old = str;
			str = strapp(str, slen, buf, sizeof(buf)/sizeof(char));
			slen += len;
			free(old);
			len = 0;
		}
		buf[len++] = (char)c;
		c = fgetc(stream);
		// printf("DEBUG: %c, %d, %s\n", c, len, buf);
	}
	str = strapp(str, slen, buf, len);
	// slen += len;

	return str;
}

int main(int argc, char *argv[])
{
	puts(fgetvs(stdin));
	return 0;
}

getline也一样

与读取一个字符串相似的问题是——读取一行(换行符间隔),二者并无太大区别,读取字符串以空白字符(空格、TAB、换行)间隔,读取一行则只以换行间隔。

只需将上面fgetvs()代码while条件上的:

!isspace(c)

改成:

c != ‘\n’

即可实现fgetvl():

// get variable length line.
char *fgetvl(FILE *stream)
{
	int c;
	char buf[4] = {0};
	size_t len = 0;

	char *str = NULL;
	size_t slen = 0;

	c = fgetc(stream);
	while( c != EOF && c != ‘\n‘ )
	{
		if(len == sizeof(buf)/sizeof(char))
		{
			void *old = str;
			str = strapp(str, slen, buf, sizeof(buf)/sizeof(char));
			strcat();
			slen += len;
			free(old);
			len = 0;
		}
		buf[len++] = (char)c;
		c = fgetc(stream);
		// printf("DEBUG: %c, %d, %s\n", c, len, buf);
	}
	str = strapp(str, slen, buf, len);
	// slen += len;

	return str;
}

总结

为什么(未知长度的)字符串空间不能放在栈上?

上面对于scanf格式串上没有长度限定的安全性的解释已经同时回答了这个问题。C++的std::string对象本身只存放字符指针(以及缓冲长度),实际内存在堆上开辟(new/malloc申请)。我们用C模拟的版本可以很清楚的看到malloc。究其根本,其一,因为栈向低地址方向生长,而字符串通常向高地址方向写入。其二,只有函数调用栈顶的函数的栈帧可变,而该函数一旦返回,该函数栈帧上的所有内存都会被回收;在不借助堆的情况下,即便实现了在getvs栈上开辟空间,字符串向低地址方向写入;那么返回时这段空间还是会被撤销,要想保存getvs读入的字符串,必须在getvs调用前(上一栈帧)也在栈上开辟同样大小的空间;而这与“只有调用栈顶的函数的栈帧可变”向矛盾。因此,不能将变长字符串存放在栈空间上。

这一场景下体现出C++标准库的哪些好处?

个人感到的好处是string::append()。std::string实现了Buffer的功能——提供了append,insert等方法,而不需用户关心内存操作。

另一个人感到的好处是由于operator>>被重载带来的“接口一致性”,cin>>str和cin>>icount用起来差不多。

为什么operator>>(istream&, string&)能够安全地读入长度未知的字符串?,布布扣,bubuko.com

时间: 2024-10-10 11:25:21

为什么operator>>(istream&, string&)能够安全地读入长度未知的字符串?的相关文章

关于String类和String[]数组的获取长度方法细节

一.在Java中,以下代码段有错误的是第(  )行 public static void main(String[] args) { String name = "小新";                       //第一行 String sex = new String("男");          //第二行 String age = 18+"";                       //第三行 int len = name.le

字符串指定间隔长度插入指定字符串

最近碰到一个这样的需求,字符串指定间隔长度插入指定字符串,大概描述一下 有一字符串 “abcde12345fghig67890” ,我想指定间隔长度为5(这个是字符串长度能够被5整除),插入“/”字符串(字符串不限制长度). 最后返回结果“abcde/12345/fghig/67890” . 下面是我实现此功能代码,贴出来与大家讨论,我觉得写法太繁琐,看大家有没有更好实现方法. using System; using System.Collections.Generic; using Syste

通用固定长度编码格式的字符串查找算法的实现

通用固定长度编码格式的字符串查找算法的实现 字符串的查找是数据库应用中必不可少的操作,而且每种数据库产品(ORACLE.DB2.SYBASE.MS SQL SERVER.MYSQL等等)也都提供了对应的字符串处理函数,比如DB2的LOCATE函数. 但在实际的工作中,还是会遇到一些特殊情况的处理,这使得直接使用字符串查找函数,得到的结果可能是错误的,比如本文中提到的固定长度编码格式的字符串的查找.值得注意的是,本文提出的算法可以稍加修改即移植到其它关系数据库系统或者前端开发工具中. 在实际数据库

.NET(C#)生成指定长度的随机字符串的通用方法

.NET(C#)生成指定长度的随机字符串的通用方法,此方法可以指定字符串的长度,是否包含数字,是否包含符号,是否包含小写字母,是否包含大写字母等, 源码: 1 #region 生成指定长度的随机字符串 2 /// <summary> 3 /// 生成指定长度的随机字符串 4 /// </summary> 5 /// <param name="intLength">随机字符串长度</param> 6 /// <param name=&

(KMP 1.4)hdu 3746 Cyclic Nacklace(使用next数组来求循环节的长度——求一个字符串需要添加多少个字符才能使该字符串的循环节的个数&gt;=2)

题目: Cyclic Nacklace Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)Total Submission(s): 3387    Accepted Submission(s): 1549 Problem Description CC always becomes very depressed at the end of this month, he has che

Java String类相关知识梳理(含字符串常量池(String Pool)知识)

目录 1. String类是什么 1.1 定义 1.2 类结构 1.3 所在的包 2. String类的底层数据结构 3. 关于 intern() 方法(重点) 3.1 作用 3.2 字符串常量池(String Pool) 4. String类所用的连接符 5. String类的主要作用(简) 正文 1. String类是什么 1.1 定义 String类表示字符串.Java程序中的所有字符串都是这个String的实例,比如"abc".字符串为常数,它们的值在创建之后不能更改.因为字符

python中生成一个指定长度的随机字符串实现示例

方法一:定义一个函数,参数为所要生成随机字符串的长度.通过random.randint(a, b)方法得到随机数字,具体函数如下: def generate_random_str(randomlength=16): """ 生成一个指定长度的随机字符串 """ random_str = '' base_str = 'ABCDEFGHIGKLMNOPQRSTUVWXYZabcdefghigklmnopqrstuvwxyz0123456789' le

String to Integer——考虑多种情况的字符串转换算法

本文是在学习中的总结,欢迎转载但请注明出处:http://blog.csdn.net/pistolove/article/details/41521063 Implement atoi to convert a string to an integer. Hint: Carefully consider all possible input cases. If you want a challenge, please do not see below and ask yourself what

ASP如何计算中英文混合字符串长度和截取字符串

用ASP做网站的时候经常会碰到要截取字符串的情况.ASP中的Len函数不管是中文字符,还是英文字符,统统按一个单位来计算,由于一个中文字符的宽度是一个英文字符宽度的两倍,在中英文混合的情况下字符串实际占用的宽度就不好计算了,如果按照Len函数计算的长度来截取字符串截出来的效果也会长短不一,下面是按照一个汉字相当于两个英文字符来计算字符串长度和截取字符串的代码 计算中英文混合字符串的长度: [vb] view plaincopyprint? function getStringLen(str) o