1. 为什么 string 值得单独拎出来讲C 里没有哪个类型比std::string更“日用而不知”了。写业务代码的人天天用它拼日志、传参数、做解析写底层的人又嫌它重、嫌它慢、嫌它和const char*之间来回转换烦。但真要把 string 用明白其实能避开不少性能坑和逻辑坑。这篇东西不是标准文档的复述而是我这些年写 C 项目时对 string 的用法梳理。从最基本的构造、容量管理到 C17 的string_view、C20 的三路比较和starts_with/ends_with再到实际项目里踩过的坑都会覆盖到。适合已经会写 C、但想把 string 用得更稳更快的朋友也适合刚接触现代 C 标准、想看看新特性到底能省多少事的人。核心关键词就几个构造与容量、SSO 短字符串优化、string_view、C20 新特性、性能避坑。下面按这个脉络展开。2. string 的底层设计与容量管理2.1 从 SSO 说起为什么小字符串不分配堆内存很多人以为std::string内部就是一个char*加一个长度其实主流实现libstdc、libc、MSVC STL都用了SSOShort String Optimization短字符串优化。意思是当字符串足够短时字符直接存在对象内部的缓冲区里不碰堆。以 64 位 libstdc 为例sizeof(std::string)是 32 字节内部大致是一个指向数据的指针8 字节长度 size8 字节容量 capacity 或内部缓冲区16 字节当字符串长度不超过 15 字节时数据就放在那 16 字节的缓冲区里data()返回的是对象内部地址。超过 15 字节才去堆上分配。这个阈值不同实现不一样MSVC 一般是 15libc 是 22。为什么要在意这个因为短字符串的构造、拷贝、析构几乎零成本而长字符串每次拷贝都要 malloc/free。你在循环里频繁构造短字符串性能其实没你想的那么差但如果是长字符串就要警惕了。std::string a hello; // SSO无堆分配 std::string b this is a long string over 15 bytes; // 堆分配提示不要假设 SSO 阈值一定是 15跨平台代码里不要依赖这个数字只把它当成“短字符串通常更快”的直觉即可。2.2 size、capacity、reserve 的关系size()是当前字符数capacity()是不重新分配内存能容纳的最大字符数不含结尾的\0。当你 push_back 超过 capacity 时string 会按一定倍数扩容libstdc 通常是 2 倍然后把所有字符搬到新内存旧内存释放。这个搬移是有成本的。如果你提前知道大概要放多少字符用reserve()一次性把容量要够std::string s; s.reserve(1024); for (int i 0; i 1000; i) { s.push_back(a); // 不会触发扩容 }实测下来在拼接大量字符串的场景提前 reserve 能省掉多次 realloc 和拷贝性能提升非常明显。我做过一个日志拼接的测试10 万次 append不 reserve 大概 8msreserve 之后降到 3ms 左右差距主要就在扩容搬移上。但 reserve 也不是越大越好。你 reserve 了 1MB 却只用了 10 字节那这 1MB 内存就一直占着直到 string 析构。所以reserve 要基于合理预估别拍脑袋给个大数。2.3 shrink_to_fit 到底该不该用shrink_to_fit()请求把 capacity 降到 size。注意是“请求”标准不保证一定生效。它的典型用途是你曾经放了很多数据后来 erase 掉大部分想把这部分内存还给系统。std::string s(10000, x); s.resize(10); s.shrink_to_fit(); // 尝试释放多余容量但我要泼盆冷水大多数情况下不要随便调 shrink_to_fit。因为它可能触发一次重新分配加拷贝而且如果之后你又往里加数据还得再扩容。除非你确定这个 string 会长期保持小尺寸且内存紧张否则让它保持大容量反而更划算。这是典型的“空间换时间”取舍。3. 构造、赋值与元素访问的实操细节3.1 各种构造方式的适用场景string 的构造函数很多常用的有这几类std::string s1; // 空串 std::string s2 hello; // 从字面量 std::string s3(5, a); // aaaaa std::string s4(s2); // 拷贝构造 std::string s5(s2, 1, 3); // 从 s2 下标 1 开始取 3 个ell std::string s6(s2.begin(), s2.begin()3); // 迭代器区间hel这里有个容易踩的坑std::string s5(s2, 1, 3)的第二个参数是起始位置第三个是长度不是结束位置。很多人第一次写会以为是区间结果取错。如果起始位置超过 size会抛std::out_of_range。还有一个经典陷阱std::string s(10, a); // 10 个 a std::string t(10, 97); // 也是 10 个 a97 是 a 的 ASCII std::string u(10, a); // 编译错误或未定义行为别这么写std::string(10, a)这种写法在某些编译器上会走const char*的构造行为不可预期一定要避免。3.2 at 和 operator[] 的区别访问单个字符有两个方式operator[]和at()。operator[]不做边界检查越界是未定义行为可能读到垃圾数据也可能直接崩。at()做边界检查越界抛std::out_of_range。std::string s hello; char c1 s[10]; // 未定义行为危险 char c2 s.at(10); // 抛异常安全性能上operator[]略快因为省了一次检查。但在大多数业务代码里这点差异可以忽略。我的建议是在不确定下标是否合法时用 at()在循环里已经确认范围时用 operator[]。比如遍历时for (size_t i 0; i s.size(); i) { process(s[i]); // 范围已确认用 [] 没问题 }注意s.size()返回的是无符号类型和int比较时会有符号转换问题。循环变量最好用size_t或std::string::size_type避免i s.size()里 i 是负数时的诡异行为。3.3 front、back 与 data 的正确用法C11 之后有了front()和back()分别取首尾字符。空串调用它们是未定义行为用之前一定要判空。data()在 C11 到 C14 返回const char*C17 起有了非 const 重载返回char*可以直接改内容。但要注意data()返回的指针在 string 发生扩容、修改后可能失效。std::string s hello; const char* p s.data(); s world; // 可能触发扩容 // p 现在可能悬空不要再用这个坑在把data()或c_str()的指针存起来、后面又改 string 的场景里特别常见。只要 string 可能被修改就不要长期持有它的内部指针。4. 修改操作append、insert、erase、replace4.1 拼接字符串的几种方式对比拼接是最常用的操作方式有好几种std::string s hello; s world; // operator s.append(!!!); // append s.push_back(!); // 单字符 s s abc; // operator产生临时对象和append是原地修改效率高。operator会创建一个新 string把两边都拷进去再赋值回来多了一次分配和拷贝。在循环里用s s x是典型的性能杀手// 差每次循环都可能重新分配 for (auto part : parts) { result result part; } // 好原地追加 for (auto part : parts) { result part; }如果拼接的片段很多还可以用reserve预估总长度进一步减少扩容。4.2 insert 和 erase 的下标语义insert(pos, str)在下标 pos 处插入erase(pos, len)从 pos 开始删 len 个字符。这两个操作都可能引起后续字符的移动复杂度是 O(n)。std::string s hello; s.insert(2, XX); // heXXllo s.erase(2, 2); // helloerase还有一个重载接受迭代器配合std::remove_if可以删除满足条件的字符std::string s a1b2c3; s.erase(std::remove_if(s.begin(), s.end(), [](char c){ return std::isdigit(c); }), s.end()); // s abc这是删除字符的惯用法remove_if把要保留的移到前面返回新的逻辑结尾erase再把尾部删掉。记住这个组合比手写循环删字符安全得多。4.3 replace 的灵活用法replace(pos, len, newstr)把从 pos 开始的 len 个字符替换成 newstr。长度可以不一样string 会自动调整。std::string s I like cats; s.replace(7, 4, dogs); // I like dogsreplace 也支持迭代器版本和 C 字符串版本。做文本替换时如果替换后的长度和原来不同后续的下标会变循环替换要小心。一个常见做法是从后往前替换或者每次替换后重新计算位置。实操心得做批量替换时我一般先收集所有匹配位置再从后往前替换这样前面的下标不受影响省去反复调整的麻烦。5. 查找与子串find 家族和 substr5.1 find、rfind、find_first_of 的区别查找家族成员不少容易混函数作用find从左往右找子串或字符返回首次出现位置rfind从右往左找返回最后一次出现位置find_first_of找任意一个给定字符首次出现的位置find_last_of找任意一个给定字符最后出现的位置find_first_not_of找第一个不在给定字符集里的字符std::string s hello world; s.find(world); // 6 s.rfind(l); // 9 s.find_first_of(aeiou); // 1e s.find_first_not_of(helo ); // 6w这些函数找不到时返回std::string::npos它是一个很大的无符号数。判断时要用 npos或! npos不要和 -1 比较虽然 npos 通常就是 -1 转换来的但直接写 -1 不严谨。if (s.find(xyz) std::string::npos) { // 没找到 }5.2 substr 的开销与陷阱substr(pos, len)返回一个新的 string内容是原串从 pos 开始的 len 个字符。注意它返回的是拷贝不是视图。如果原串很大你只取一小段也会产生一次分配和拷贝。std::string s a very long string ...; std::string sub s.substr(2, 5); // 拷贝出 5 个字符如果只是临时查看不需要修改用std::string_view更合适后面会讲。另外substr的 pos 如果超过 size会抛std::out_of_range。len 超过剩余长度时会取到末尾不报错。std::string s hello; s.substr(3, 100); // lolen 超了不报错 s.substr(10); // 抛 out_of_range注意substr不带 len 参数时默认取到末尾。这个默认行为很多人不知道写s.substr(pos)就是取 pos 之后的所有字符。6. C17 string_view只读视图的正确打开方式6.1 string_view 解决什么问题std::string_view是 C17 引入的本质是“一个指针加一个长度”指向别人的字符数据自己不拥有内存。它解决的核心问题是函数参数如果只需要读字符串用 string_view 可以避免不必要的拷贝和构造。以前写一个打印函数void print(const std::string s); // 传 const char* 会构造临时 string print(hello); // 隐式构造 std::string有分配用 string_viewvoid print(std::string_view sv); print(hello); // 无分配直接指向字面量对于const char*、std::string、字符数组string_view 都能零成本接住。这在解析、日志、配置读取这类大量传字符串的场景里能省下可观的分配开销。6.2 string_view 的生命周期陷阱string_view 不拥有数据所以它指向的原始数据必须活得比它久。这是最大的坑std::string_view sv; { std::string s temporary; sv s; // sv 指向 s 的数据 } // s 析构sv 悬空 std::cout sv; // 未定义行为还有一种更隐蔽的std::string_view sv std::string(temp) orary; // 临时 string 在表达式结束后析构sv 悬空所以用 string_view 的铁律是不要从临时 string 构造 string_view不要把 string_view 存到比源数据更长的生命周期里。它适合做函数参数、局部变量不适合做成员变量长期持有除非你能保证源数据生命周期。6.3 string_view 与 string 的互操作string_view 可以隐式转成 string会拷贝但 string 转 string_view 需要显式或用构造函数std::string s hello; std::string_view sv s; // 隐式OK std::string s2(sv); // 显式构造拷贝 std::string s3 std::string(sv); // 同上注意 string_view 没有c_str()因为它不保证以\0结尾。如果要传给需要 C 字符串的接口得先转成 stringstd::string_view sv hello; some_c_api(std::string(sv).c_str());这个转换有拷贝成本但没办法C 接口就认const char*。7. C20 新特性三路比较与 starts_with/ends_with7.1 starts_with 和 ends_with终于不用手写前缀判断了C20 之前判断前缀要么用compare要么用find// C17 及以前 if (s.compare(0, 5, hello) 0) { ... } if (s.find(hello) 0) { ... }C20 直接给了starts_with和ends_withstd::string s hello world; if (s.starts_with(hello)) { ... } // true if (s.ends_with(world)) { ... } // true if (s.starts_with(h)) { ... } // 也支持单字符这两个函数也支持 string_view 参数配合起来非常顺手。可读性比 compare 好太多代码意图一眼就清楚。实测在 GCC 10、Clang 10、MSVC 19.27 上都可用用之前确认下编译器版本和-stdc20。7.2 三路比较运算符与 string 排序C20 给 string 加了三路比较运算符返回std::strong_ordering。它让 string 的比较更统一也自动生成了、!、、等。std::string a apple, b banana; auto r a b; if (r 0) { /* a b */ }实际写业务时你很少直接调但它的好处是让 string 在容器里排序、在std::set里做键都更自然。而且 C20 之后string 和 string_view 之间的比较也补齐了不用再手动转换。std::string s hello; std::string_view sv hello; if (s sv) { ... } // C20 起可以直接比7.3 contains查找子串的新写法C23 给 string 和 string_view 加了contains判断是否包含子串或字符std::string s hello world; if (s.contains(world)) { ... } // true if (s.contains(w)) { ... } // true在 C23 之前只能写s.find(world) ! std::string::npos。contains语义更清晰代码更短。如果你的项目还没上 C23可以自己封装一个bool contains(const std::string s, std::string_view sub) { return s.find(sub) ! std::string::npos; }8. 性能避坑与常见问题排查8.1 常见性能陷阱速查表陷阱问题正确做法循环里s s x每次重新分配拷贝用s x或先 reserve函数参数用值传递 string每次调用都拷贝用const std::string或 string_view返回大 string 的局部变量可能触发拷贝依赖 RVO/NRVO或返回后 move频繁 substr每次拷贝只读场景用 string_view长期持有 c_str/data 指针扩容后悬空需要时重新获取用int和size()比较符号转换问题用size_t或auto8.2 传参方式的选择函数参数怎么传 string是个高频问题。我的经验规则只读且不介意临时构造const std::string兼容性最好。只读且想避免构造std::string_view但要注意生命周期。需要修改副本按值传递std::string配合 move。需要修改原串传引用std::string。void read_only(const std::string s); // 通用 void read_only_sv(std::string_view sv); // 零拷贝注意生命周期 void modify_copy(std::string s); // 内部可 move void modify_ref(std::string s); // 改原串实操心得在接口边界比如对外 API我倾向用const std::string稳妥在内部高频调用的工具函数里用 string_view省开销。两者混用时注意别把临时 string 传给 string_view 参数。8.3 编码与多字节字符的坑std::string存的是字节不是字符。对 UTF-8 字符串调size()得到的是字节数不是字符数。substr按字节切可能把一个多字节字符切成两半产生乱码。std::string s 你好; // UTF-8 下通常是 6 字节 s.size(); // 6不是 2 s.substr(0, 1); // 半个字符乱码处理多字节文本时要么用专门的 Unicode 库要么自己按 UTF-8 规则解析。不要用 string 的下标直接切多字节字符这是新手最容易犯的错之一。8.4 常见问题排查清单遇到 string 相关的诡异问题按这个顺序查越界访问是不是用了operator[]且下标超了换成at()试试会不会抛异常。悬空指针是不是存了c_str()/data()/string_view 的指针之后又改了原串乱码是不是按字节切了多字节字符确认编码。性能差是不是循环里s s x是不是没 reserve比较结果不对是不是拿npos和 -1 比了是不是大小写敏感没处理编译错误是不是用了 C20 特性但没开-stdc20是不是 string_view 和 string 混用没转换9. 我个人的几条使用习惯写了这么多年 C关于 string 我形成了几个固定习惯分享出来供参考。第一能用 string_view 做只读参数就用但绝不让它活过源数据。第二拼接前先 reserve尤其是循环里这个习惯帮我省过很多性能问题。第三删除字符用 remove_if erase 组合不手写循环。第四判断前缀后缀优先用 C20 的 starts_with/ends_with可读性提升明显。第五多字节文本不碰下标切分交给专门的库处理。还有一个小技巧如果你经常需要把 string 转成小写做比较可以封装一个to_lower函数内部用std::transform加std::tolower比每次手写循环干净std::string to_lower(std::string s) { std::transform(s.begin(), s.end(), s.begin(), [](unsigned char c){ return std::tolower(c); }); return s; }注意 lambda 参数用unsigned char直接传char给std::tolower在字符为负时会出问题这是个很隐蔽的坑。后续如果项目上了 C23contains和std::string::resize_and_overwrite也值得关注后者能在填充字符串时避免先初始化再覆盖的浪费。这些新特性用起来string 的代码会越来越简洁但底层的容量、生命周期、编码这些基本功还是得扎实。