字符串是所有编程语言里最老熟人、也最容易被低估的数据类型。写脚本、写接口、写数据库、调嵌入式设备,绕不开字符串的拼接、截取、比较、转换。不少新手觉得字符串简单,可真到线上出问题时,十个有八个都能追溯到字符串上:Oracle 数字转字符串小数点前的 0 不见了,博途里值已经改成 0 但触摸屏还显示旧字符,C 语言里 strcat 拼着拼着程序就崩了。这篇博文我把这些年处理字符串踩过的坑、总结的经验做一次系统整理,内容包括字符串在不同语言里的底层差异、逆序排序比较等高频操作、与数字互转和格式化、截取查找分割匹配、数组互转,以及工控和数据库场景里的疑难排查。适合刚开始学编程的入门读者,也适合写了几年代码但想系统性补一补字符串短板的朋友。
1. 先把字符串的本质看清楚:它不只是一个“词”
1.1 字符串在内存里到底长什么样
很多人写代码用到字符串,但不太清楚它在内存里的真实形态。C 语言里没有字符串类型,所谓字符串本质就是一段以 \0 结尾的字符数组。比如 char s[] = "hello";,在内存中存放的是 h e l l o \0 这 6 个字节,sizeof(s) 是 6,strlen(s) 是 5。这个差异很关键,因为很多 C 语言字符串操作的边界错误都出在这里:你以为字符串长度是 5,想拷贝 5 个字节,但实际存储占 6 个字节,忘了留 \0 的位置,缓冲区溢出就来了。
C++ 的 std::string 是对象,内部持有动态分配的字符缓冲区,用 size() 获取长度,不再依赖 \0 判断结尾,但兼容 c_str() 返回 C 风格字符串。Java 和 C# 里的 String 也是对象,而且不可变,底层是 char[] 或 byte[],每次对字符串做修改等于重新创建对象。JavaScript 和 Python 里的字符串同样是不可变序列,Python 3 的 str 默认存 Unicode 码点,JS 内部用 UTF-16 编码。
理解存储模型能解释很多现象。例如在 Java 里写 String a = "abc"; 和 String b = new String("abc");,用 a == b 比较,前者可能因为字符串常量池返回 true,后者一定是 false,因为 new 出来的是不同对象。不是 Java 的 == 坏了,而是它本来就在比较引用地址,比较内容应该用 equals。这类问题在面试里反复出现,根源就是对“字符串在内存里是什么”不够清楚。
1.2 为什么不同语言里字符串行为差异这么大
字符串行为差异大的核心就三点:是否可变、采用什么编码、比较时是值语义还是引用语义。
是否可变这点影响最大。C 语言字符数组可以直接修改某个位置,所以能写出 s[0] = 'H' 这种代码。Java 和 Python 的字符串不可变,想改字符只能重新构造,因此大量用 + 拼接会频繁创建对象,性能差。C++ 的 std::string 内容可变,但如果你写 const char* p = "hello",这个指针指向的是只读常量区,试图通过 p[0] 修改内容会直接崩溃。
编码影响更隐蔽。C 语言 char 数组处理的是原始字节,一个中文字符在 UTF-8 下占 3 字节,在 GBK 下占 2 字节,用 strlen 数中文字符串长度会得到字节数而不是字符数。Python 3 的 str 是 Unicode 序列,len("中文") 返回 2,但如果你用 "中文".encode("utf-8") 转成 bytes,长度就是 6。JavaScript 内部用 UTF-16,大部分字符长度为 1,但 emoji 和某些生僻字占用两个码元,length 会返回 2。这些差异一旦混用,最常见的表现就是乱码、长度判断错误、截取后出现半个字符。
1.3 理解底层能解决哪些实际问题
有人说我不搞底层,了解这些有什么用?用几个真实场景说明。
博途里的字符串值已经为 0 但触摸屏还显示旧字符,表面上看是“字符串没刷新”,实际上是字符串在 PLC DB 块中的存储、保持属性、触摸屏通信缓存共同作用的结果。如果你不知道字符串在 PLC 侧也是按字节块存储的,就很难想到去查 DB 块的保持属性。
Oracle 里执行 TO_CHAR(0.5) 得到 .5 而不是 0.5,这是数字格式化模型的问题,不是 bug。不懂格式化模型的人会怀疑数据库坏了,懂的人直接写 TO_CHAR(0.5, 'FM0.999') 就解决。
Linux minicom 通过串口发送字符串,设备不响应,很多人以为是命令写错了,其实多半是串口参数、换行符或流控设置的问题。字符串不是凭空传输的,它经过串口协议时还要受波特率、数据位、停止位、校验位约束。这些场景放在一起就能看出,字符串问题从来不只是语法问题,它是存储、编码、传输、显示四个层面的综合问题。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 高频字符串操作实战:逆序、排序、比较与大小写
2.1 字符串逆序:从C语言到Python的四种写法
字符串逆序是 C 语言 PTA 和面试题里的常客,也是理解指针和数组边界的好素材。C 语言最稳妥的写法是双指针从两端向中间交换:
c复制#include <stdio.h>
#include <string.h>
void reverse(char *s) {
int left = 0;
int right = strlen(s) - 1;
while (left < right) {
char tmp = s[left];
s[left] = s[right];
s[right] = tmp;
left++;
right--;
}
}
int main() {
char str[] = "hello";
reverse(str);
printf("%s\n", str); // olleh
return 0;
}
注意这里只能传可修改的字符数组,不能传字符串常量,否则修改只读内存会崩溃。还有递归写法,也能逆序,但效率低、栈深,笔试时用来展示思路可以,工程上不推荐。C++ 就简单了,直接 <algorithm> 里的 std::reverse(s.begin(), s.end()),一行搞定。Java 里用 new StringBuilder(s).reverse().toString(),因为 String 不可变,必须借助可变容器。Python 最无脑:s[::-1],切片步长为 -1 就是逆序,也可以 ''.join(reversed(s))。
逆序题真正想考察的其实不是你记不记得 API,而是是否理解数组下标边界和内存布局。C 语言版本里 strlen 多算一个位置就会把 \0 交换到前面,导致字符串直接“断掉”。
2.2 字符串排序:别让默认排序规则坑了你
字符串排序在热搜词里频繁出现,说明很多人都在这件事上栽过跟头。C 语言里用 qsort 配合 strcmp 做字典序排序,比较函数要写成:
c复制int cmp(const void *a, const void *b) {
return strcmp(*(const char **)a, *(const char **)b);
}
这里容易写错的是 qsort 传入的是元素指针的指针,强行解引用错一层,排序结果就乱了。
JavaScript 的坑最有代表性。数组 [10, 9, 100].sort() 的结果是 [10, 100, 9],因为默认 sort 会把元素转成字符串按 UTF-16 码元排序。数字排序必须传比较函数 arr.sort((a, b) => a - b)。字符串数组想要按拼音或本地规则排,用 localeCompare,例如 arr.sort((a, b) => a.localeCompare(b, 'zh-Hans-CN'))。
数据库里排序也有讲究。O
