C++STL 初阶（5）vector的简易实现（上）

不同于string只实现一个最简单的版本，vector在此处我们要实现的是模版类，类模版的声明和定义分离非常不方便（会在链接时报错），所以我们都只在一个vector.h下去实现声明和定义。后续我们提及到的库里面实现的vector也是只有.h，没有.cpp

不过库中会将短的函数放在类里，如size、begin等（直接作为inline函数），大的如insert_aux就会放在类外面

1.浅浅的阅读源码来学习容器vector

string和vector的底层都是顺序表(具有连续的物理结构)：

vector内部真的就和我们设计的string的逻辑（如上）完全一致吗？我们通过观察源码来学习。

源码有很多版本，比较常见的包括P.J版本和SGI版本，后者是Linux所用，并且是开源的，用于GCC编译器；前者是VS所用，不开源。

具体可参考：STL版本介绍：HP STL、SGI STL、STL Port、PJ STL、RW STL_stl port和sgi stl-CSDN博客

对于VS下的PJ版本：

VS自带编译器中的vector可在如下文件路径中找到：

或者在vector转到定义中后右击vector.h，并打开文件所在列表：

代码相对比较难且比较多（三千七百行），不适宜我们新手观看。

同理，其他的所有容器的PJ版本源码都可以通过此方法查看。

博主在网上下载了一个GCC的编译器使用的远古STL版本（SGI版本）：

(有需要压缩包的可以在评论区留言)

这个版本相对简单，我们浅浅阅读一下vector：

该头文件又包了头文件，我们只返回文件目录找出最重要的两个头文件（最下面两个）

这也是阅读代码的技巧，不是所有的项目都需要从头到尾全部学习并理解代码，只挑重点学习即可。

目标是vector就直奔vector，不要等到什么都看懂再往下看。

开始阅读压缩包中的stl_vector.h：

前面的绿字是源码声明，表明开源是可以用于商业等用途的。

31~32 是一个条件编译，表示如果宏定义过这段就不再宏定义，避免多文件中重复宏定义。

34~38 是版本相关的问题，不用管。

40 开始切入正题，如果Alloc等内存池没有了解过可以先略过，知道他是用于提升效率的即可

41开始的后面的一大堆typedef也略过，直接找成员变量和核心成员函数，并且标准的原码都有规范的命名，所以：

然后我们发现，成员变量是三个迭代器：start finish end_of_storage

再返回在一大堆typedef中找iterator的定义来阅读：

稍加总结：

由此可知，SGI版本下的vector的本质就是用原生指针实现的。

2.观察常见函数

2.1构造函数

重点观察前两排

除了默认构造，都调用了一个initialize,头文件中有相关的头文件（第二张黑图的33行）。

2.2push_back

finish类似于size，end_of_storage类似于capacity（但是两者的实现都是迭代器）：

我们大胆猜想，finish指向最后一个元素的下一个，end_of_storage指向已开空间的后一个位置（这样才能先在finish的位置加入x后面再++finish）

如果finish小于end_of_storage就直接在finish的位置加入一个x，如果finish已经等于end_of_storage了，那就必须扩容了，说明此时finish指向的空间已经不能再存储数据了，证明我们上面说到的猜想是成立的。

若需要扩容，则走声明定义相分离的insert_aux(该函数比较大，因此没有写在类里面):

虽然都在同一文件里，但还是将insert_aux的声明和定义分离。注意，就算在同一文件中，依然需要再写一次template<class T,class Alloc>

insert_aux能自动扩容：

由331行可知，从1个空间开始二倍扩容（如果原空间是0则给1字节大小，不是0开始二倍扩容）。

对于之前的push_back。没满就直接走323行的construct（此时在进行平移），满了就走insert_aux的else分支。

因此现在重点观察红框以内的代码

然后大胆猜测是使用内存池开辟了len个空间，也就是new T(len);

支线任务很重要，但是第一遍的时候目的是了解框架，走大逻辑，只看主线任务即可。

内存池就是支线任务，大概猜一猜就可以了。

我们无非是不使用内存池，效率低一点，new一个就可以了。

再往下读：

这个的逻辑应该就是先考前半部分，再拷x，最后拷后半部分。共拷贝三次

uninitialized_copy的作用就是拷贝，并且会返回新的末尾，前两个参数是要拷贝的范围，第三个参数是目标位置，返回值应该是拷贝完之后的下一个

关于construct，其定义在一个stl_construct.h的空间中（在压缩包中）:

此处construct使用的就是对定位new的一个封装:

因为空间是内存池开出来的，需要显式调用构造函数，故使用定位new。

3. 实现自己的vector

由此，我们声明出自己的vector:

一些常见的接口：

inline size_t capacity() {return _end_of_storage - _start;
}
inline size_t size() {return _finish - _start;
}
inline iterator begin() {return _start;
}
inline iterator end() {return _finish;
}
T& operator[](size_t p) {assert(p < size());return *(_start + p);
}

理应再实现push_back（因为我们从push_back了解了vector的大致结构），但是push_back需要使用reverse(我们不一定全部按照库中的实行)，将这一个扩容的函数单独实现也是可行的。

实现reserve：

对于一个刚创建的变量，size函数一开始只会返回0，而n不出意外的话至少是1才会扩容，所以注定了在第一次扩容之后end_of_storage就是大于等于finish的。

if(this->_start)的目的是：如果start为空就不用拷贝了。

然后实现push_back:

此处为什么可以直接解引用赋值 *_finish=x;

（压缩包中的SGI版本的finish是没有直接赋值的,他是通过调用construct实现的）：

因为我们自己的空间是new出来的，new会根据元素类型（自动调用构造函数）初始化空间，而源码中使用的是内存池，只开出了空间而没有初始化，需要定位new再来显式调用一次构造函数。

此处不用像string那样根据len的长度决定扩容时空间加多少，因为除了char类型有“串”的概念，其他都没有此种概念，如“整形串”等。因此，pushback一定是只多了一个数据。

细心的读者可能已经发现，刚才的reverse处的_finish后面加了一个问号，这是一处bug,会造成：

迭代器失效（finish找不到正确值）

测试函数：

如果要将类函数声明定义分离，则需要写在vector.h中，但是测试函数写在.h和.cpp中都是可以的，因为.h的本质是不会被编译的，而是放入.cpp之后被编译。

为了方便，我们直接写在.h中，不过刚开始会出现如下报错。

但是不用担心，因为所有的.h文件最后都会在.cpp中展开，这样一来，编译器在.cpp中向上查找时就能找到<iostream >（如下图）

在编译的章节我们提到过，头文件就是直接在.cpp文件中在相应的位置直接被展开

由于编译器向上查找的规则，如果写成：

vector.h向上找是没有展开std的，所以需要在展开std后再展开vector.h

还是崩溃了，_finish的值明显不正确，导致后面会对空指针解引用。

问题出在 size() , 因为size()是由finish和start计算出的（finish-start），而此时的_start已经被更新为新的tmp, 而旧的_finish是nullptr，所以会出错。

为什么旧的finish是nullptr（以及为什么没有实现构造函数）：

这次的实现方式不同于之前，构造函数没有先开空间，而是等有需要的时候再扩容。

更改一下顺序即可：

不过要注意，将代码全部调整进n>capacity的分支中去。（怎么控制都可以）

或者，注意看源代码的同学会发现，源代码中使用变量oldsize记录了这个数据。

再加个_start控制拷贝

void reserve(size_t n) {if (n <= capacity()) return;size_t oldsize = size();iterator tmp = new T[n];if (this->_start) {//不为空就拷贝原数组中的内容memcpy(tmp, _start,sizeof(T)*size());delete[] _start;}_start = tmp;_finish = tmp + oldsize;_end_of_storage = tmp + n;
}

源代码中：

很多检测越界等是在delete时进行（因为对同一个空间delete会报错），所以我们实现析构函数后再调试观察一次

~vector() {if (_start) {delete[]_start;_finish = _end_of_storage = nullptr;}
}

再来看看vector的迭代器：

因为是连续的物理空间，所以直接用原生指针即可。

为了支持范围for，我们依然实现begin()和end()

就能实现范围for了：

pop_back:

insert

在指定的位置插入数据，其余数据向后挪。

先粗略实现一版（指定位置插入单个数据）：

void insert(iterator it, const T& x) {assert(it >= begin() && it < end());if (_finish == _end_of_storage) {size_t newcapacity = capacity() == 0 ? 4 : 2 * capacity();reserve(newcapacity);}iterator end = _finish++;while (end != it) {*end = *(end - 1);--end;}*end = x;
}

第一次测试：

第二次测试：

第三次测试：

因为我们原来的第一次开空间就是四个，所以此处的insert会去扩容，而扩容时：

本来指向start finish两个位置的迭代器在扩容后都能改变到新的位置（原空间被释放）

然后it（也就是传进去的begin()+1）没有改变指向，it变成野指针，也就是迭代器失效

所以*it=x这一步是没有起作用的，vector此时扩了容但是没有东西进去，所以出现一个随机值。并且由于不满足end!=it，数据没有挪动。

记录一下it的位置，方便再赋值：
if (_finish == _end_of_storage) {size_t len = it - begin();size_t newcapacity = capacity() == 0 ? 4 : 2 * capacity();reserve(newcapacity);//在发生扩容后，it依然指向原来的数组位置，而finish和start等都已经指向新的位置了。it = begin() + len;
}
这样就没问题了：

此时还是存在一个不会报错的迭代器失效：

迭代器失效（it在外部无法使用，更新返回值来解决）：

外部作为实参的迭代器同样失效了（但是这次不会报错）：

原因是，经过我们上一轮迭代器失效的修改，内部的pos已经指对了地方，但是由于是传值传参，所以it依然指不对地方

只要扩容，都会发生失效。

我们干脆认为不管发不发生扩容，都会失效（因为我们不清楚到底多久失效多久不失效）

一棍子打死即可，避免给自己埋坑。

结论：不要使用可能失效的迭代器。

为什么不加引用来解决呢？

加了引用就没法传这种：

begin()返回的是一个拷贝，具有常性，传引用拷贝有权限的扩大问题。又不能将insert处的pos改为const iterator& pos，因为这样改的话，pos的值不能变，依然有失效。

不这样使用的目的就是让程序员们明白有迭代器失效这样一个环境，并且我们需要小心迭代器失效。

当然了，CPP肯定给出了解决方案：

不在参数处解决，在返回值处解决，相当于更新了一下失效的迭代器。

所以，以后在insert之后如果想访问pos，要谨慎，最好用Insert的返回值更新一下pos，否则时好（没有遇上扩容）时坏（遇上扩容），像一个定时炸弹一样不靠谱。

find

对于vector和list等，其查找函数都被归在算法库中（而非string那样在类中，因为string的查找比较特殊，如需要查找子串等，就单独实现了）：

该函数实现在算法库：<algorithm.h>中

体现了复用的意义。这是一个函数模版，如果没有找到就返回Last(开区间)

所以这个find不止是适用于库中的vector或则list等，只要传适当的参数上去就行了。

传入一个左闭右开的区间，最后一个参数传一个想查找的数值。

erase:

erase的迭代器失效问题比较复杂，我们先给出一个粗略版本。

void erase(iterator pos) {assert(pos >= _start && pos<_finish);while (pos + 1 < end()) {*(pos) = *(pos + 1);++pos;}--_finish;
}

欲知后事如何，且听下回分解。