使用 char 参数从 <cctype> 调用函数是否安全？

Question

C 编程语言表示，这些函数<ctype.h>遵循一个共同的要求：

ISO C99，7.4p1：

在所有情况下，参数都是 an int，其值应表示为 anunsigned char或应等于宏的值EOF。如果参数有任何其他值，则行为未定义。

这意味着以下代码是不安全的：

int upper(const char *s, size_t index) {
  return toupper(s[index]);
}

如果此代码在char具有相同值空间的实现上执行，signed char并且字符串中有一个具有负值的字符，则此代码调用未定义行为。正确的版本是：

int upper(const char *s, size_t index) {
  return toupper((unsigned char) s[index]);
}

尽管如此，我还是在 C++ 中看到了许多不关心这种未定义行为可能性的例子。那么 C++ 标准中是否有任何内容可以保证上述代码不会导致未定义的行为，或者所有示例都是错误的？

【附加关键词：ctype cctype isalnum isalpha isblank iscntrl isdigit isgraph islowwer isprint ispunct isspace isupper isxdigit tolower]

Answer 1

就其价值而言，Solaris Studio 编译器（使用stlport4）就是这样一种编译器套件，它会在这里产生意外的结果。编译并运行：

\n\n

#include <stdio.h>\n#include <cctype>\n\nint main() {\n    char ch = \'\\xa1\'; // \'\xc2\xa1\' in latin-1 locales + UTF-8\n    printf("is whitespace: %i\\n", std::isspace(ch));\n    return 0;\n}\n

\n\n

给我：

\n\n

kevin@solaris:~/scratch\n$ CC -library=stlport4 whitespace.cpp && ./a.out \nis whitespace: 8\n

\n\n

以供参考：

\n\n

$ CC -V\nCC: Studio 12.5 Sun C++ 5.14 SunOS_i386 2016/05/31\n

\n\n

当然，这种行为已记录在 C++ 标准中，但这绝对令人惊讶。

\n\n\n\n

编辑：由于有人指出上述版本在尝试分配时char ch = \'\\xa1\'由于整数溢出而包含未定义的行为，因此这里的版本可以避免这种情况并仍然保留相同的输出：

\n\n

#include <stdio.h>\n#include <cctype>\n\nint main() {\n    char ch = -95;\n    printf("is whitespace: %i\\n", std::isspace(ch));\n    return 0;\n}\n

\n\n

在我的 Solaris VM 上仍然打印 8：

\n\n

kevin@solaris:~/scratch\n$ CC -library=stlport4 whitespace.cpp && ./a.out \nis whitespace: 8\n

\n\n\n\n

编辑2：这里的程序可能看起来很正常，但由于 UB 在使用中给出了意想不到的结果std::isspace()：

\n\n

#include <cstdio>\n#include <cstring>\n#include <cctype>\n\nstatic int count_whitespace(const char* str, int n) {\n    int count = 0;\n    for (int i = 0; i < n; i++)\n        if (std::isspace(str[i]))  // oops!\n            count += 1;\n    return count;\n}\n\nint main() {\n    const char* batman = "I am batman\\xa1";\n    int n = std::strlen(batman);\n    std::printf("%i\\n", count_whitespace(batman, n));\n    return 0;\n}\n

\n\n

并且，在我的 Solaris 计算机上：

\n\n

kevin@solaris:~/scratch\n$ CC whitespace.cpp && ./a.out\n3\n

\n\n

请注意，根据您如何排列此程序，您可能会得到两个空白字符的预期结果；也就是说，几乎可以肯定存在一些编译器优化，利用此 UB 更快地给出错误结果。

\n\n

例如，如果您尝试通过搜索字符串中的（非多字节）空白字符来标记 UTF-8 字符串，您可以想象这会令您感到痛苦。这样的程序在转换str[i]为unsigned char.

\n