问题来了
虽然 C 语言的语法特性已经是最简单的了，但是作为一个 C 语言的老鸟，免不了还是要栽在 C 语言的大坑里。
最近在做一个项目，需要将多个字符串拼接为 LV 格式的字符串。
这里的 LV 是代表 Length Value 格式，而不是奢侈品的 LV 包包的 LV。
因为子字符串的长度只能小于 256 字节, 因此 L 用一个字节来表示。
比如 “abc” “com” 两个字符串要表示成 LV 格式就是 “\x03abc\x03com”。
可以看到我们上面用 16 进制的转义系列。
但是，问题就出在 16 进制的转义系列。乍一看还以为很完美，我们一直都是这么搞 16 进制转义系列的。
比如常见的 to_hex_str() 这样的函数将字符串转义为16进制，而 from_hex_str() 将 16 进制字符串转换成字节序列。
像 Shell 的 hexdump 就像将字节系列转换为 16 进制。下面就是 Hello world 的 16 进制表示。
1
2
3
echo -n "Hello world" | hexdump -C
00000000 48 65 6c 6c 6f 20 77 6f 72 6c 64 |Hello world|
0000000b
在 C 语言中我们可以直接这样表示：
char s[] = "Hello world";
也可以用 16 进制表示：
char s[] = "\x48\x65\x6c\x6c\x6f\x20\x77\x6f\x72\x6c\x64";
那么到底问题出现在哪里呢？这就要从 16 进制的语法表示说起。
转义字符的语法表示
- escape-sequence:
- simple-escape-sequence
- octal-escape-sequence
- hexadecimal-escape-sequence
- universal-character-name
- simple-escape-sequence: one of
- ' " \? \
- \a \b \f \n \r \t \v
- octal-escape-sequence:
- \ octal-digit
- \ octal-digit octal-digit
- \ octal-digit octal-digit octal-digit
- hexadecimal-escape-sequence:
- \x hexadecimal-digit
- hexadecimal-escape-sequence hexadecimal-digit
从上面可以看到，8 进制可以用 1~3 个数字表示，而 16 进制则是递归的方式。
因此从语法上讲，\xa, \xab, \xabc 都是 16 进制表示。
然而这就是一个坑，或许当初专家为了节省储存空间，理所当然认为大家都知道这些门门道道。 没有想到世界发展如此之快，电脑变得唾手可得，普通人都能成为一个程序员。
专家挖坑，普通人踩坑，大家都有收获。 :joy: :boom:
讲这么多，还是不容易理解，那么只能 show me the fucking code。
C 代码片段
#include <stdio.h>
int main(int argc, char **argv)
{
unsigned char s[] = "\x0123";
for (int i = 0; i < sizeof(s); i++) {
printf("%02x\n", s[i]);
}
return 0;
}
将上面的代码保持为 t.c, 然后执行编译得到结果如下：
1
2
3
4
5
$ gcc -Wall t.c
t.c: In function ‘main’:
t.c:5:33: warning: hex escape sequence out of range
5 | unsigned char s[] = "\x0123";
| ^
程序编译通过了，但是有警告，这就是该死的 16 进制转义。。
同时也应该记住，-Wall -Werror 是良好的实践：死在前面总比不知道怎么死的来得好。
解决问题
那么如何解决 16 进制转义呢？其中一个方法就是使用像 Helllo world 那样的方式，将所有的字节转义。
比如 “abc” “com” 的 LV 的 Hex 表示是： “\x03\x61\x62\x63\0x03\x63\x6f\x6d”。
但是这种转义方式存在的问题就是代码阅读很不方便。我们的目标就是要混合转义和非转义字符。
这种情况下最好的方式就是使用 3 个八进制的转义字符了。因此上面的 “abc” “com” 两个字符串
的 C 转义系列就可以表示成 “\003abc\003com”。
当然，如果你属于艺高人胆大的，还是可以通过判断 16 进制后面跟的是不是合法的 16 进制字符来实现 混合 16 进制转义， 8 进制转义来达到目标的。但是 16 进制需要多一个 x 字符，所以其实多数情况下还是用 4 个字节的转义系列表示一个字节，并没有比 8 进制来得少。
欢迎入坑 C 语言。
