Нуль-терминированная строка

Например, в строковом буфере (области памяти, выделенной для хранения строки) размером 11 байт нуль-терминированная строка «СТРОКА» в кодировке Windows-1251 может представляться следующим образом:

В данном примере представлена область памяти из 11 байт, хотя на самом деле строка занимает всего 7. Символы после нуль-символа (8 - 11 байты) называются мусором — это данные, которые могли остаться в буфере от предыдущих строк или от других использований памяти. Среди них также могут находиться нулевые символы.

При использовании однобайтных кодировок (ASCII) объём памяти, требуемый для представления строки из N символов, равен N + 1 байт. В том случае, когда для кодирования символов применяется Юникод, длина строки зависит от используемого представления Юникода (например, 2N + 2 байта для UCS-2).

Такие строки являются стандартом в Си и некоторых других языках программирования. Поскольку они используются для передачи строковых аргументов в стандартные функции во многих операционных системах, операции для работы с нуль-терминированными строками появились в Паскале и других языках.

Для ссылки на нуль-терминированную строку применяется указатель на первый её символ. Это простой, быстрый и гибкий подход, но чреватый ошибками[1][2]. Программист постоянно должен следить за своим кодом, а именно:

• быть уверенным, что не случаются переполнения буфера;
• аккуратно проводить управление памятью, выделяемой под строки;
• следить за корректной нуль-терминацией строк при использовании функций, которые её не гарантируют (например, strncpy);
• в редких случаях, когда размер строки может быть очень велик, следить, что не происходит переполнение целого при подсчёте длины и прочих связанных с длиной вычислениях.

Кроме того, некоторые операции со строками, например, конкатенация, для нуль-терминированных строк выполняются медленнее, чем для других типов строк.

Альтернативой нуль-терминированным строкам являются способы, принятые в Паскале и современных ООП-языках. В Паскале строка начинается с первого элемента массива, а в нулевом элементе хранится длина строки. В этом случае не требуется специального терминатора для обозначения конца строки. С другой стороны, здесь на длину строки накладывается ограничение, связанное с вместимостью нулевого элемента массива, то есть в случае с однобайтовыми элементами длина строки не может превышать 255 символов. Нуль-терминированные строки такому ограничению не подвержены и теоретически могут хранить строки любой длины. В объектно-ориентированных языках применяется хранение записи с длиной строки и ссылкой (или указателем) на массив символов. Эти способы не подвержены недостатку нуль-терминированных строк: они могут хранить в себе нуль-символы без искажений и специального кодирования.

В ряде интерфейсов применяются дважды-нуль-терминированные строки, признаком завершения которых является два последовательных нуль-терминатора[3].

Для работы с нуль-терминированными строками в языке программирования Си используется ряд функций:

• strcpy, wcscpy — копирование строк;
• strlen, wcslen — вычисление длины строки;
• strchr — поиск символа в строке;
• strdup — дублирование строк;
• strstr — поиск подстроки;
• strtok — разделение строки через разделители на подстроки;
• strbrk — поиск первого вхождения в строку одного из символов другой строки.

В некоторых разновидностях языка ассемблера для определения NUL-терминированных строк используется специальная директива. Так в GNU Assembler-е для этого есть директива .asciz[4][5].

• Строковый тип

• Poul-Henning Kamp, The Most Expensive One-byte Mistake. Did Ken, Dennis, and Brian choose wrong with NUL-terminated text strings? / ACM Queue, Volume 9, issue 7, July 25, 2011 (англ.)
• Назад, к основам  (рус.) - Back to Basics by Joel Spolsky, December 11, 2001  (англ.)

• http://c2.com/cgi/wiki?StringWithoutLength
• http://c2.com/cgi/wiki?NonNullTerminatedString