结构体最后的长度为0或1数组的作用--零长数组

时间:2021-08-01 04:42:42

其实很早在看LINUX下就看到这个东西,后来在李先静的《系统程序员成长计划》里看到了类似的定义,于是心里想着总结一下,结果发现网上已经有牛人总结的很好了,于是乎就转了过来,谢谢你们的分享,这是我前进的动力!

同时,需要引起注意的:ISO/IEC 9899-1999里面,这么写是非法的,这个仅仅是GNU C的扩展,gcc可以允许这一语法现象的存在。(C99允许。微软的VS系列报一个WARNING,即非常的标准扩展。)

结构体最后使用0或1的长度数组的原因,主要是为了方便的管理内存缓冲区,如果你直接使用指针而不使用数组,那么,你在分配内存缓冲区时,就必须分配结构体一次,然后再分配结构体内的指针一次,(而此时分配的内存已经与结构体的内存不连续了,所以要分别管理即申请和释放)而如果使用数组,那么只需要一次就可以全部分配出来,(见下面的例子),反过来,释放时也是一样,使用数组,一次释放,使用指针,得先释放结构体内的指针,再释放结构体。还不能颠倒次序。

其实就是分配一段连续的的内存,减少内存的碎片化。

在Linux系统里,/usr/include/linux/if_pppox.h里面有这样一个结构:

struct pppoe_tag 
{
    __u16 tag_type;
    __u16 tag_len;
    char  tag_data[0];
} __attribute ((packed));

  最后一个成员为可变长的数组,对于TLV(Type-Length-Value)形式的结构,或者其他需要变长度的结构体,用这种方式定义最好。使用起来非常方便,创建时,malloc一段结构体大小加上可变长数据长度的空间给它,可变长部分可按数组的方式访问,释放时,直接把整个结构体free掉就可以了。例子如下:

struct pppoe_tag *sample_tag;
__u16 sample_tag_len = 10;
sample_tag = (struct pppoe_tag *)malloc(sizeof(struct pppoe_tag)+sizeof(char)*sample_tag_len);
sample_tag->tag_type = 0xffff;
sample_tag->tag_len = sample_tag_len;

sample_tag->tag_data[0]=....
...

  释放时:

free(sample_tag);

  是否可以用 char *tag_data 代替呢?其实它和 char *tag_data 是有很大的区别,为了说明这个问题,我写了以下的程序:

struct tag1
{
	int a;
	int b;
}__attribute ((packed));

struct tag2
{
    int a;
    int b;
    char *c;
}__attribute ((packed));

struct tag3
{
    int a;
    int b;
    char c[0];
}__attribute ((packed));

struct tag4
{
    int a;
    int b;
    char c[1];
}__attribute ((packed));

  从上面程序和运行结果可以看出:tag1本身包括两个32位整数,所以占了8个字节的空间。tag2包括了两个32位的整数,外加一个char *的指针,所以占了12个字节。tag3才是真正看出char c[0]和char *c的区别,char c[0]中的c并不是指针,是一个偏移量,这个偏移量指向的是a、b后面紧接着的空间,所以它其实并不占用任何空间。tag4更加补充说明了这一点。所以,上面的struct pppoe_tag的最后一个成员如果用char *tag_data定义,除了会占用多4个字节的指针变量外,用起来会比较不方便。

两种方法的实现对比

方法一,创建时,可以首先为struct pppoe_tag分配一块内存,再为tag_data分配内存,这样在释放时,要首先释放tag_data占用的内存,再释放pppoe_tag占用的内存;

struct pppoe_tag 
{
    __u16 tag_type;
    __u16 tag_len;
    char *tag_data;
} __attribute ((packed));


struct pppoe_tag *sample_tag;
__u16 sample_tag_len = 10;

方法一:
sample_tag = (struct pppoe_tag *)malloc(sizeof(struct pppoe_tag));
sample_tag->tag_len = sample_tag_len;
sample_tag->tag_data = malloc(sizeof(char)*sample_tag_len);
sample_tag->tag_data[0]=...
释放时:
free(sample_tag->tag_data);
free(sample_tag);

方法二,创建时,直接为struct pppoe_tag分配一块struct pppoe_tag大小加上tag_data的内存,tag_data的内容要进行初始化,要让tag_data指向strct pppoe_tag后面的内存。

struct pppoe_tag {
    __u16 tag_type;
    __u16 tag_len;
    char tag_data[0];
} __attribute ((packed));

struct pppoe_tag *sample_tag;
__u16 sample_tag_len = 10;

sample_tag = (struct pppoe_tag *)malloc(sizeof(struct pppoe_tag)+sizeof(char)*sample_tag_len);
sample_tag->tag_len = sample_tag_len;
sample_tag->tag_data = ((char *)sample_tag)+sizeof(struct pppoe_tag);
sample_tag->tag_data[0]=...

释放时:
free(sample_tag);
所以无论使用那种方法,都没有char tag_data[0]这样的定义来得方便。

  讲了这么多,其实本质上涉及到的是一个C语言里面的数组和指针的区别问题(也就是我们提到的内存管理问题,数组分配的是在结构体空间地址后一段连续的空间,而指针是在一个随机的空间分配的一段连续空间)。char a[1]里面的a和char *b的b相同吗?《Programming Abstractions in C》(Roberts, E. S.,机械工业出版社,2004.6)82页里面说:“arr is defined to be identical to &arr[0]”。也就是说,char a[1]里面的a实际是一个常量,等于&a[0]。而char *b是有一个实实在在的指针变量b存在。所以,a=b是不允许的,而b=a是允许的。两种变量都支持下标式的访问,那么对于a[0]和b[0]本质上是否有区别?我们可以通过一个例子来说明。

#include <stdio.h>
#include <stdlib.h>

int main()
{
	char a[10];
	char *b;

	a[2]=0xfe;
	b[2]=0xfe;
	exit(0);
}

反汇编查看代码:

080483f0 <main>:
80483f0:       55                      push   %ebp
80483f1:       89 e5                   mov    %esp,%ebp
80483f3:       83 ec 18                sub    $0x18,%esp
80483f6:       c6 45 f6 fe             movb   $0xfe,0xfffffff6(%ebp)
80483fa:       8b 45 f0                mov    0xfffffff0(%ebp),%eax
80483fd:       83 c0 02                add    $0x2,%eax
8048400:       c6 00 fe                movb   $0xfe,(%eax)
8048403:       83 c4 f4                add    $0xfffffff4,%esp
8048406:       6a 00                   push   $0x0
8048408:       e8 f3 fe ff ff          call   8048300 <_init+0x68>
804840d:       83 c4 10                add    $0x10,%esp
8048410:       c9                      leave
8048411:       c3                      ret
8048412:       8d b4 26 00 00 00 00    lea    0x0(%esi,1),%esi
8048419:       8d bc 27 00 00 00 00    lea    0x0(%edi,1),%edi

  可以看出,a[2]=0xfe是直接寻址,直接将0xfe写入&a[0]+2的地址,而b[2]=0xfe是间接寻址,先将b的内容(地址)拿出来,加2,再0xfe写入计算出来的地址。所以a[0]和b[0]本质上是不同的。

但当数组作为参数时,和指针就没有区别了。
int do1(char a[],int len);
int do2(char *a,int len);
这两个函数中的a并无任何区别。都是实实在在存在的指针变量。

顺便再说一下,对于struct pppoe_tag的最后一个成员的定义是char tag_data[0],某些编译器不支持长度为0的数组的定义,在这种情况下,只能将它定义成char tag_data[1],使用方法相同。

在openoffice的源代码中看到如下数据结构,是一个unicode字符串结构,他的最后就用长度为1数组,可能是为了兼容或者跨编译器。

typedef struct _rtl_uString
{
    sal_Int32       refCount;
    sal_Int32       length;
    sal_Unicode     buffer[1];
} rtl_uString;
这是不定长字符串。大概意思是这样:

rtl_uString * str = malloc(256);
str->length = 256;
str->buffer现在就指向一个长度为256 - 8的缓冲区

  总结:通过上面的转载的文章,可以清晰的发现,这种方法的优势其实就是为了简化内存的管理,我们假设在理想的内存状态下,那么分配的内存空间,可以是按序下来的(当然,实际因为内存碎片等的原因会不同的)我们可以利用最后一个数组的指针直接无间隔的跳到分配的数组缓冲区,这在LINUX下非常常见。