第 8 章 字符串与文本处理

本章目标

学会处理文本: 拼接、求长度、比较、大小写转换、截取子串、查找、转数字, 以及逐字节遍历字符串 (做统计和回文判断)。

8.1 字符串是什么

CIN 的 string 是 NUL 结尾的字节序列, 变量里保存的是“这段文本的地址”:

• 字面量 "hello" 放在数据区;
• 拼接 (+)、strcpy、substr、upper 等操作会产生新的字符串;
• 字符串不能原地修改: 想改就生成一个新的。

因为是指针, 所以 == 不能比较内容

string a = "ab" + "c"
string b = "abc"
println(a == b)              // false (地址不同)
println(strcmp(a, b) == 0)   // true  (内容相同)

结论: 字符串比较一律用 strcmp(a, b) == 0 (相等)、strcmp(a, b) < 0 (字典序在前)。

8.2 拼接与转义

function main() -> int {
    string first = "Code"
    string last = "CIN"
    string full = first + " " + last          // 拼接
    println(full)
    println("长度: " + strlen(full))
    println("带引号: \"引号\"")
    println("制表:\tTAB")                    // \t 是制表符
    println("第一行\n第二行")                 // \n 是换行
    return 0
}

Code CIN
长度: 8
带引号: "引号"
制表:	TAB
第一行
第二行

常见转义: \n 换行、\t 制表、\r 回车、\" 双引号、\\ 反斜杠、\0 空字符。

8.3 长度、比较、复制

function main() -> int {
    string a = "apple"
    string b = "banana"

    println("strlen(a) = " + strlen(a))
    println("strcmp(a, b) = " + strcmp(a, b))
    println("strcmp(a, a) = " + strcmp(a, a))

    if (strcmp(a, "apple") == 0) {
        println("a 就是 apple")
    }

    string copy = strcpy(a)               // 复制出新字符串
    println(copy + " / " + a)
    return 0
}

strlen(a) = 5
strcmp(a, b) = -1
strcmp(a, a) = 0
a 就是 apple
apple / apple

strcmp 的返回值: 负数表示前者在前, 0 表示相等, 正数表示后者在前。不要假设一定是 -1 / 1。

8.4 大小写、去空白、截取、查找

function main() -> int {
    string s = "  Hello, CIN  "
    println("原始长度: " + strlen(s))

    string t = trim(s)                        // 去掉首尾空白
    println("[" + t + "]")
    println("大写: " + upper(t))
    println("小写: " + lower(t))

    println("子串: " + substr(t, 0, 5))       // 从下标 0 取 5 个字符
    println("查找 CIN: " + indexof(t, "CIN"))
    println("查找 xyz: " + indexof(t, "xyz")) // 找不到返回 -1

    println("字符串转数字: " + atoi("456"))
    println("数字转字符串: " + int_to_str(789))
    return 0
}

原始长度: 14
[Hello, CIN]
大写: HELLO, CIN
小写: hello, cin
子串: Hello
查找 CIN: 7
查找 xyz: -1
字符串转数字: 456
数字转字符串: 789

ltrim / rtrim 只去左边 / 右边; substr(s, start, len) 的 len 超出末尾会自动裁剪。

8.5 逐字符遍历: s[i]

s[i] 返回第 i 个字节的整数编码 (0..255), 只能读、不能写:

function main() -> int {
    string s = "Hello Code CIN"
    int n = strlen(s)
    int upper_cnt = 0
    int lower_cnt = 0
    int space_cnt = 0

    for (int i = 0; i < n; i++) {
        int c = s[i]
        if (c >= 'A' && c <= 'Z') { upper_cnt++ }
        if (c >= 'a' && c <= 'z') { lower_cnt++ }
        if (c == ' ') { space_cnt++ }
    }
    println("大写 " + upper_cnt + " 个, 小写 " + lower_cnt + " 个, 空格 " + space_cnt + " 个")
    return 0
}

大写 5 个, 小写 7 个, 空格 2 个

字符和整数可以互相比较: 'A' 就是 65, c + 1 也能用。

s[i] 不是数组元素

字符串不可原地修改, 所以 s[0] = 'H' 是不允许的。需要替换字符时: 用 substr 拼接出新的字符串。

8.6 例子: 回文判断

回文 = 正着读和倒着读一样 (level、上海自来水来自海上)。

function main() -> int {
    string s = "level"
    int n = strlen(s)
    bool ok = true
    for (int i = 0; i < idiv(n, 2); i++) {
        if (s[i] != s[n - 1 - i]) {
            ok = false
            break
        }
    }
    println(s + (ok ? " 是回文" : " 不是回文"))
    return 0
}

level 是回文

把 s 换成 "hello", 输出 hello 不是回文。

8.7 例子: 统计单词个数

思路: 数“从空白进入非空白”的次数。

function main() -> int {
    string text = "the quick brown fox"
    int n = strlen(text)
    int words = 0
    bool in_word = false

    for (int i = 0; i < n; i++) {
        int c = text[i]
        bool is_space = (c == ' ') || (c == '\t') || (c == '\n')
        if (!is_space && !in_word) {
            words++
            in_word = true
        } else if (is_space) {
            in_word = false
        }
    }
    println("单词数: " + words)
    return 0
}

单词数: 4

8.8 常见错误

现象	原因	解决
两个相同内容字符串比较为 false	用了 ==	用 strcmp(a, b) == 0
s[i] = ... 报错	字符串不可原地修改	用 substr + 拼接生成新字符串
打印出乱码/截断	越界写坏了字符串	检查 s[i] 的 i 范围
atoi("abc") 得到 0	解析失败返回 0, 不报错	先校验 (标准库 validate 的 val_is_int)
循环里拼字符串后内存报错	每步都产生新字符串	减少拼接次数或 --mem-size 扩容

8.9 练习

1. 求字符串 "Code CIN" 的长度, 并打印第 1 个和最后 1 个字符的整数编码。
2. 把 " cin programming " 去空白后转大写并打印。
3. 统计字符串里数字字符 ('0'..'9') 的个数。
4. 判断 "上海自来水来自海上" 是否是回文 (提示: 上面的代码直接用)。
5. 把 "2026-09-26" 拆成 2026 / 09 / 26 三个部分打印 (提示: substr + indexof)。

参考实现见 习题与答案 · 第 8 章。

8.10 本章小结

• string 是 NUL 结尾的字节序列, 变量保存地址, 比较用 strcmp;
• 拼接用 +; 长度 strlen; 复制 strcpy; 截取 substr; 查找 indexof;
• 大小写 upper/lower; 去空白 trim/ltrim/rtrim; 转数字 atoi, 转文本 int_to_str;
• s[i] 逐字节只读访问, 字符就是整数编码;
• 所有“修改”都会产生新字符串, 循环里注意内存开销。

下一章: struct 与数据建模。