История появления null-терминированных строк

в экономии памяти на дополнительный указатель на конец строки

Только в экономии на хранение информации о длине строки.

Во всём виноваты любители ставить точку в конце заголовка :)

Где-то читал, что дело было в удобстве переписывания файлов с одной ленты на другую.

Си не разрабатывался комитетом, который все обсуждал и обдумывал, поэтому нуль-терминированые строки были выбраны из личных предпочтений. Си их популяризовал.

Они не такие уж и странные, часто длинна не нужна, нужно просто пройтись по всей строке до конца, маркер конца это довольно простое решение.

Строки с маркером конца были и до С, и будут после него.

Ничего не странное. В DOS и наверно CP/M есть ещё $-терминированные строки в одном месте.

Дело было только в экономии памяти на дополнительный указатель на конец строки, или?

Не столько экономия чуть-чуть памяти, сколько большая экономия в сложности многих алгоритмов. Кроме твоего варианта есть ещё другие, итого:

1) строка, терминированная спецсимволом (null или не null, не особо важно)

2) строка, для передачи которой надо слать два указателя (твой вариант)

3) строка, для передачи которой надо слать указатель и длину

4) строка, у которой длина записана в начале выделенной ей области памяти

5) строка, у которой указатель на конец записан в начале выделенной ей области памяти

6) строка, состоящая из двух выделенный блоков памяти, один с двумя указателями либо указателем+длиной, второй собственно с данными

Все варианты кроме первого требуют так или иначе задействовать две сущности вместо одной, а они и занимают память (что не особо важно), и регистры проца (важнее), и замусоривают исходный код работы со строками (важнее).

Во вариантах 2 и 3 замусоривается не только код собственно обработки строк, но и все места, где строки вообще упоминаются.

Вариант 4 получается либо зависящим от платформы (т.е. его нельзя сдампить в файл как есть), либо ограничивающим длину строки непонятными ограничениями (если длина фиксрованной битности). Вариант 5 зависящий от платформы и, хуже того, от расположения строки в памяти (нельзя не только сдампить, но и побайтово скопировать). Оба варианта 4 и 5 не дадут скользить вдоль строки, переставляя её начало на новое место.

Вариант 6 устраивает разные проблемы с аллокатором памяти, когда ты не знаешь что там выделено статически а что динамически.

У варианта 1 конечно тоже есть недостаток: невозможность быстро узнать длину строки. Но он видимо не таокй существенный как остальное перечисленное.

Впрочем, варианты 3 и 6 в Си тоже используют. А вот твой с двумя указателями я где-то видел но очень мало. Причём 6 можно дальше развивать, но это уже не просто строка а буфер с дополнительным функционалом.

Были до этого нуль терминированные списки, Кнут об этом писал. Да и нуль терминированные строки выглядят естественно, так как под ASCII 7 бит, так ещё и символов меньше 128, посему бы не выделить ноль под конец?

Как и всё остальное говно в C, это говно появилось под влиянием системы команд PDP-11 (на самом деле, ещё PDP-7). Там была фактически бесплатная проверка на 0, поэтому его и взяли флагом окончания строки.

Не столько экономия чуть-чуть памяти, сколько большая экономия в сложности многих алгоритмов.

Хороший пример экономии в малом ценой увеличения сложности в крупном. На практике, поскольку для реальной работы приходится обычно выделять динамическую память, то длину строки все-равно необходимо где-то хранить и вручную следить за соответствием. Плюс выходы за пределы буфера и уязвимости из-за этого. Или придумывать другие типы строк.

Или придумывать другие типы строк.

Сишники никогда на такое не пойдут! Будут страдать до конца!

https://lwn.net/Articles/948408/

Хотя даже до ядерщиков уже дошло, что это полное днище и так нельзя, а они те ещё тугодумы:

We need to stop pretending that direct manipulation of nul-terminated strings is a good idea

И как это записывалось? В x86 примерно одинаково выходит.

puts_z:
  test rsi, rsi
  jz .end
.begin:
  lodsb
  test al, al
  jz .end
  call putchar
  jmp .begin
.end:
  ret

puts_n:
  mov rcx, [rsi]
  test rcx, rcx
  jz .end
  add rsi, 8
.begin:
  lodsb
  call putchar
  loop .begin
.end:
  ret

Как записывалось, вообще насрать:

; TOUPPER2:
; Scan a null-terminated ASCII string, converting
; all alphabetic characters to upper case.
;
; Entry stack parameters,
;      [SP+2] = Address of target string
;      [SP+0] = Return address
;
TOUPPER2:
       TSTB	  @2(SP)           ; Test char at address on stack
	   BEQ	  DONE             ; If zero, then done
	   CMPB	  @2(SP), #’z      ; Is it between a and z?
	   BGT	  LCASE            ; If not, point to next char
	   CMPB	  @2(SP), #’a
	   BLT	  LCASE
	   BICB	  #40,@2(SP)       ; If a-z, the make it A-Z
LCASE: INC	  2(SP)            ; Inc address of next char on stack
	   BR	  TOUPPER2

DONE:  RTS	  PC

Тут суть в том, что TSTB и BEQ были практически бесплатными, в отличие от, например, декремента счётчика. На говножелезе из 60х это было важно!

Нет, всё не так. Длина динамического блока это длина динамического блока, к строке она отношения не имеет. И выход за пределы тут тоже ни при чём.

Сишники никогда на такое не пойдут! Будут страдать до конца!

Ну что за враньё? Прекрасно используются в Си строки с указанной длиной. Но, как и всё, эта указанная длина явно прописана в виде например { char *buffer; size_t len; }, и это хорошо. Ты можешь сделать len другого типа, или захотеть кроме len указать ещё например alloc_size и pos, и тебе не надо будет для этого заниматься хакерством и костылями, ты просто пропишешь всё это в своей структуре.

Не надо тут впаривать это передёргивание вида, что раз у компилятора есть синтаксис для null-term строк то эти строки - единственно возможные.

Как и всё остальное говно в C, это говно появилось под влиянием системы команд PDP-11 (на самом деле, ещё PDP-7). Там была фактически бесплатная проверка на 0, поэтому его и взяли флагом окончания строки.

Еще имеет значение, что программирование тогда было еще очень молодой отраслью и о многих вещах, их последствиях просто не думали в принципе.

Ну представь себе: начало семидесятых. Первые языки программирования вообще появились лет так 13-15 назад. Как бы вот если мы сидим тут на ЛОР, а первые языки возникли в 2009-2010-м и вообще первые компьютеры (не считая всяких Цузе и Коллосов) где-то в 2000-м.

Ну что за враньё? Прекрасно используются в Си строки с указанной длиной. Но, как и всё, эта указанная длина явно прописана в виде например{ char *buffer; size_t len; }, и это хорошо.

В стандартной библиотеке этого нет. Я про этих сишников, которые её пилят.

Еще имеет значение, что программирование тогда было еще очень молодой отраслью и о многих вещах, их последствиях просто не думали в принципе.

Ну, что многие не думали, я заметил уже. Тем не менее, в поцкале и прочих алголах строки были с длиной. Сишка – это именно продукт убогости PDP-11.

Не надо тут впаривать это передёргивание вида, что раз у компилятора есть синтаксис для null-term строк то эти строки - единственно возможные.

Ну естественно запрограммировать можно что угодно. Но в 99% случаях вот это { char *buffer; size_t len; } с ручным управлением, просто лишняя сложность и источник ошибок по этой причине.

Но в 99% случаях вот это { char *buffer; size_t len; } с ручным управлением, просто лишняя сложность и источник ошибок по этой причине.

Да нет, seq_buf в ядре вполне норм работает. Собственно, строки там потихоньку в seq_buf и превращают.

Тем не менее, в поцкале и прочих алголах строки были с длиной. Сишка – это именно продукт убогости PDP-11.

Да, с длиной и само по себе это проблем не создавало. Проблемой была длительное время ограниченность строк 255 символами - на практике это было неудобно, пока не появились длинные строки.

Проблемой была длительное время ограниченность строк 255 символами - на практике это было неудобно, пока не появились длинные строки.

ТЫ НЕ ПОВЕРИШЬ! Там было всегда больше одного типа строки!

Что ты прицепился к ней? Си стандартной библиотекой не ограничивается. В ней только самые базовые вещи, которые у всех одинаковые. А строку с указанной длиной можно сделать 50 разными способами - выбирай какой нужен и делай (ну либо найди библиотеку где сделано). Ничего сложного там нет. Выбирать за тебя самый правильный они не будут, потому что самого правильного нет, нужный зависит от контекста.

Уже был ALGOL с нормальными типами, функциями, процедурами, переменными, были компьютеры Burroughs Large Systems с тегированой и дескрипторной памятью, AMP, сегментированная память, где невозможен был выход за пределы массива, и вообще вся машина проектировалась под высокоуровневые языки. Был multics написанный на PL/1, с контролем доступа, квотами, кешированной фс, динамическими библиотеками, виртуальной памятью с подкачкой, итд...

С и UNIX уже тогда выглядели отставшими, особенно если вспомнить первые версии, в С поля структур глобальные, нормальной системы типов нету, в OS файлы максимум 64 кб, многопоточность отсутствует...

Что ты прицепился к ней? Си стандартной библиотекой не ограничивается.

А другими библиотеками сишники не пользуются. Ты мне тут сам расписывал, что против сторонних библиотек.

В итоге, каждый сишный проект реализует строки с нуля. Так и живём.

Ну естественно запрограммировать можно что угодно

В этом и есть суть Си. Нужно - запрограммируй. Не нравится - ищи другой язык где алгоритмы спрятаны под базовым синтаксисом. Дело не в строках.

с ручным управлением

Не «ручным» а «explicit». Опять же, не нравится - есть другие языки, а в Си неявное поведение сведено к минимуму, а по-хорошему вообще должно отсутствовать.

В этом и есть суть Си. Нужно - запрограммируй.

Да-да, и конечно же все сишники пишут без ошибок, поэтому CVE считается доской почёта среди сишников. Чем больше ты породил CVE, тем круче ты сишник.

Не «ручным» а «explicit». Опять же, не нравится - есть другие языки, а в Си неявное поведение сведено к минимуму, а по-хорошему вообще должно отсутствовать.

А почему цикл без побочных эффектов удаляется компилятором?

Давай не будем опять в обсуждение оптимизатора уходить. Это отдельная тема и сводится в целом к «некоторые подходы к кодингу могут нарушить алгоритм после применения оптимизатора». Это не неявное поведение как когда за знаком + скрывается аллокация памяти для конкатенированной строки и подобное.

Сишка – это именно продукт убогости PDP-11.

Си таким создавался специально, никаких проверок, никаких гарантий, никакой метаинфы в рантайм, потому что это продукт своего времени. Даже в 90-х оставался пласт кодеров которые утверждали что любые производительное приложение нужно писать на ассемблере(макроассемблере) и ни как иначе. Си был дефолтным языком почти для всего, но он считался непригодным для микрокомпьютеров. На Pascal смотрели как на Python сейчас, а на С++ как на Java/C#.

Ещё один неочевидный плюс терменирования спецсимволом в том, что такую строку можно заменить на любую той же длины или более короткую прямо в бинарнике, ничего не поломав. Это позволяет, например, локализацию при помощи маленьких патчей.

Си таким создавался специально

Ну как сказать, он создавался таким, потому что нормально сделать это сложно. И еще нормальные оптимизирующие компиляторы только относительно недавно появились.

Сейчас сюда придут сишники и объяснят за «системное программирование» ™®©, которое бывает только такое как придумал Ритчи со товарищи и в 2024м году может быть тоже только так, ибо это скрижаль, а раст говно

Дык это же плюсовая фигня, не? Или в Си то же самое?

теперь пройди по всем топикам где ты корчил из себя дофига специалиста и поставь себе клоуна

Давай не будем опять в обсуждение оптимизатора уходить.

Почему нет? Ты тут пишешь про «очевидность», «предсказуемость» и отсутствие «неявности», но по факту сишные компиляторы насилуют код так, что сишники сами охреневают и отказываются в это верить.

Это не неявное поведение как когда за знаком + скрывается аллокация памяти для конкатенированной строки и подобное.

А если за знаком + скрывается UB, после которого компилятор выкидывает половину твоего кода и всё сегфолтится?

Си таким создавался специально

Ну как сказать, он создавался таким, потому что нормально сделать это сложно. И еще нормальные оптимизирующие компиляторы только относительно недавно появились.

Относительно недавно – это в 1980х? 40 лет уже прошло, дядя!

странное решение

Почему странное? Это называется в общем случае «барьер» и очень удобно для многих алгоритмов. Особенно учитывая что адресные регистры не редко были длиннее регистров данных и произвольно работать с адресами было геморройно. А тут нужен только инкремент. Такое обычно было доступно аппаратно для специальных индексных регистров.

пройтись по всей строке до конца

И каждый раз сравнивая не конец ли.

Чем

if (counter != 0)

отличается от

if (byte != 0)

?

Ближе к концу 2000х.

Во многих случаях и TSTB не нужно, флаг Z устанавливается при многих операциях, в том числе и пересылке MOVB.

То есть, скажем, пересылка строки реализуется двумя командами:

10$:   MOVB (R1)+, (R2)+
       BNE 10$

флаг Z

Вот именно, за счёт этого и знаменитое if(*p=*q).
Но кто-то из дедов говорил, что это было лишь побочным эффектом, потому как Си делался ещё до PDP-11.

То есть преимуществ нет? ;) Но длина строки по этом неизвестна.

Не нужно смещать адрес, занимать лишний регистр, можно начинать с произвольного смещения.

Тем не менее, в поцкале и прочих алголах строки были с длиной.

За алгол не скажу, но в классическом паскале эта длинна весьма ограничена, хранится в первом байте т.е. не более 254 символов. Поэтому потом стали изобретать велосипеды, как пример AnsiString.

Сишка – это именно продукт убогости PDP-11.

Простите, но если вы что-то не осилили, то это не значит что оно убогое.

ТЫ НЕ ПОВЕРИШЬ! Там было всегда больше одного типа строки!

Та ладно... Пруфы в студию или наглое 4.2.

За алгол не скажу, но в классическом паскале эта длинна весьма ограничена, хранится в первом байте

В классическом паскале строки задавались фиксированным массивом, неиспользуемое место заполнялось пустотой. В алголе строк не было. В общем то и паскаль и алгол это проекты для получения вайба, а не четкие стандарты. Предполагалось что каждый сделает из этого что то свое, под задачу.

1. Линейность обращения(при малом числе регистров ты не должен тратить время на вычисления длины, сравнения, загрузки-выгрузки регистров и пр. - ты просто выполняешь сравнение, что на уровне ассемблера ох как экономит место на инструкциях)
2. Ранее существовала инструкции для работы со строками и по сути поиск нулевого символа можно было оптимизировать по скорости.

Соответственно при увеличении скорости, числа регистров, появлении кэшей, 0-строки стали лишь элементом унаследованным от сишки.

А на перфокартах тем более удобно.

можно начинать с произвольного смещения

Для этих целей есть срезы

Простите, но если вы что-то не осилили, то это не значит что оно убогое.

а если осилил? Где тут выдают диплом заслуженного сишника, чтобы я его получил и мог обсирать сишку в срачах без претензий к моим навыкам?

В общем то и паскаль и алгол это проекты для получения вайба, а не четкие стандарты.

Алголы были стандартом когда сишки в проекте не было ещё: Алгол 60 и 68. А вот сишка стандарт обрела только в 1990 (ANSI C, он же C89).