【软件开发底层知识修炼】二十七 C/C++中的指针与数组是不同的

上几篇文章学习了ABI-应用程序二进制接口：【软件开发底层知识修炼】二十六 ABI-应用程序二进制接口学习总结文章目录
本篇文章就指针与数组的联系与区别来学习学习

文章目录
1 疑问
2 指针与数组是不相等的
3 解决疑问
4 总结

1 疑问

在具体用文字理论来说明指针与数组的区别之前，先看一下下面的代码例子，这两个程序输出的结果是一样的么？不一样的话，分别输出什么？

main.c

#include <stdio.h>extern char* g_name;int main()
{define_print();printf("main() : %s\n", g_name);return 0;
}

define.c

#include <stdio.h>char g_name[] = "D.T.Software";void define_print()
{printf("define_print() : %s\n", g_name);
}

将上述两个程序放到同一文件夹下进行编译运行：

gcc -g main.c define.c -o test.out
.test.out

运行结果如下：
在这里插入图片描述

但是如果我把main.c中的extern char* g_name; 换成extern char g_name[]; 的话，程序运行就可以通过，并且可以得到预期的结果。

对于这个结果，我想并不是很多人可以理解的。这个问题放到后面解释。下面我们先来看看指针与数组的一些基本概念。

2 指针与数组是不相等的

指针

指针的本质就是一个变量，它保存的目标值是一个内存地址。这个内存地址是另一个变量或者不管什么东西的地址
指针运算与 * 操作符配合使用能够模拟数组的行为

数组

数组是一段连续的内存空间的别名
数组名可看做指向数组第一个元素的常量指针。

在C语言中指针与数组在某些层面是具有等价关系的，注意这里说的是某层面。比如下面的代码层面，指针与数组的操作就是相等的：

在这里插入图片描述

那么，既然我们已经学习了那么多汇编的知识，上面的指针与数组的操作在汇编层面（或者叫做二进制层面）是否相等？我们以实际的例子来说明，编译下面代码，并生成汇编代码，查看test函数的汇编代码：

#include <stdio.h>int test()
{int a[3] = {0};int* p = a;p[0] = 1;  // a[0] = 1p[1] = 2;  // a[1] = 2a[2] = 3;  // p[2] = 3
}int main()
{test();return 0;
}

gcc -g test.c -o test.out
objdump -S test.out > test.s 生成test.s反汇编代码

查看test.s中的test函数中的汇编代码，如下：

int test()
{8048394:	55                   	push   %ebp8048395:	89 e5                	mov    %esp,%ebp8048397:	83 ec 10             	sub    $0x10,%espint a[3] = {0};    804839a:	c7 45 f0 00 00 00 00 	movl   $0x0,-0x10(%ebp)  //a[0]的值80483a1:	c7 45 f4 00 00 00 00 	movl   $0x0,-0xc(%ebp)80483a8:	c7 45 f8 00 00 00 00 	movl   $0x0,-0x8(%ebp)int* p = a;     //指针p指向数组a的第一个元素，4字节80483af:	8d 45 f0             	lea    -0x10(%ebp),%eax80483b2:	89 45 fc             	mov    %eax,-0x4(%ebp)p[0] = 1;  // a[0] = 1  由于是在第一个位置，没必要使用add    $0x0,%eax80483b5:	8b 45 fc             	mov    -0x4(%ebp),%eax80483b8:	c7 00 01 00 00 00    	movl   $0x1,(%eax)p[1] = 2;  // a[1] = 2  可以看出有两次寻址的过程80483be:	8b 45 fc             	mov    -0x4(%ebp),%eax //首先把指针p存的地址取出来传给eax寄存器80483c1:	83 c0 04             	add    $0x4,%eax  //然后将eax+480483c4:	c7 00 02 00 00 00    	movl   $0x2,(%eax) //最后将数值2传给eax寄存器中存的地址所在的内存处，注意这句话的理解。a[2] = 3;  // p[2] = 380483ca:	c7 45 f8 03 00 00 00 	movl   $0x3,-0x8(%ebp) //可以看出如果是数组的话，直接将值赋值给对应内存处，而不用像指针那样进行两次地址的操作
}80483d1:	c9                   	leave  80483d2:	c3                   	ret

对于上面的汇编代码，应该并不是很多人都可以理解。不理解也无所谓，能够看出我们的问题所在即可。

首先看上面，对于p[0]=1; p[1]=2; 这两段代码，它们所对应的汇编代码，由于p[0]比较特殊，所以看p[2]的。上线的注释也是比较详细了，由此我们知道如果将指针当做数组来使用，首先需要取出指针所存储的地址，然后将地址值+4,然后在加了4的地址处赋值，这很明显是两次寻址操作。一次是从指针中取出地址，二是根据这个地址再找到相应的内存然后进行赋值。
但是对于 a[2] = 3; 这段话，看上面的汇编代码，很明显，就是直接进行一次内存操作。这显而易见。

由此我们可以粗略的得出以下结论：

指针与数组不管在真么情况下，在二进制层面是完全不同的。尽管在语言书写的时候等效，但是效率是相差很大的
指针操作是先寻址，然后再对内存单元进行操作
数组是直接对内存单元进行操作

然后就是，在大多数情况下，编译器做了很多的工作，它让程序员可以更高效的写代码，所以在很多情况中，指针和数组在语言编写层面，是一样的，就像上线的示例代码一样。

3 解决疑问

上一节内容我们学会了指针与数组的一些区别，现在就来看看最开始的疑问，最开始main.c和define.c编译运行后，为什么会产生错误，并且为什么是段错误呢？下面就一点点揭开迷雾。

首先我们要知道的前提知识点，C/C++编译器的天生缺陷

C/C++编译器由4个子部件组成，分别是预处理器，编译器，汇编器，链接器
每个子部件之间独立工作，相互之间没有通信
对于语法的检查与规范只在编译器（是指第二个子部件的编译器）编译阶段有效（如：类型约束和保护成员）
编译器认为，每一个源文件都是相互独立的，对各个源文件单独进行编译（当然最后是需要将各个单独编译后的文件进行链接的）。这个是导致上面错误代码的直接原因。具体还看下面的分析。

那么对于上面的几条知识点，我们使用下面的图解进行说明：

在这里插入图片描述

上面图示中说了在两个文件中类型不一致导致运行时错误，当然这是表面原因，并且如果是其他的类型（不是指针的类型），有可能就不会出错。所以我们还需要深挖这其中的错误。
针对我们的代码的话，就是在main.c中将g_name声明为指针，那么编译器进行编译的时候，就是单独编译main.c文件，并且将g_name按照指针的方式进行编译。那么由第二节的内容知道，指针的操作是需要两次寻址的。 这里我我们先记住，下面的分析会用上。

为了能够更加清楚的说清楚问题，下面我们针对上述的main.c与define.c的编译的过程简单的用图表示一下：

在这里插入图片描述

上面最后将define.c中的数组g_name的首地址与main.c中代表的指针g_name链接起来，具体如何链接呢？请看以下图示：

刚开始define.c中的g_name就是一个数组的首地址，如下图所示：

在这里插入图片描述

当将main.c中的指针g_name与上面的define.c中的g_name进行链接后，由于g_name是指针，占4字节，所以链接后如下图：

在这里插入图片描述

上面的图示分析如果能看懂的话，就知道g_name 是一个占有4字节的指针，而g_name 是一个指向数组首地址的值。如果我们注意到前面所说的指针作为数组是需要两次寻址操作的话，我们就应该知道，如果使用g_name 的话，首先将它存的地址：“D.T.” 取出来，可以看到，它本身应该存的是地址，但是现在是一串字符。然后用这个“地址”来寻址另一个内存地址处。到这里，就明了了，上面的一串字符所代表的地址处是一个未定义的，是一个野地址！！！也就是说在运行的时候，此时g_name是一个野指针！！！这必然会产生段错误了！！！