「2014-3-17」C pointer again …

记录一个比较基础的东东…… C 语言的指针，一直让人又爱又恨，爱它的人觉得它既灵活又强大，恨它的人觉得它太过于灵活太过于强大以至于容易将人绕晕。最早接触 C 语言，还是在刚进入大学的时候，算起来有好些年头了；我当年做过的一个最糟糕的决定（也是如今回想起来依然觉得很 2B 的决定）也和 C 语言有关（和本文主题无关，略去不表）…… 由此说来，和 C 的缘分还是蛮重的。可惜，今天，我还是在一个关于指针的问题上，小小迷糊了一下…… 曾经还自诩熟读《The C programming language》，真惭愧……

两个案例。

1. 拿今天碰到的实际例子来展开讲。

对于静态类型的语言，「类型」的概念是根深蒂固、深入到原语操作级别的。如 int i = 5, j = 6; j = i; 里的第二条语句，就是将 i 所表征的一块内存区域的内容，拷贝到 j 所表征的一块同样大小的内存区域里去，而内存区域的大小，则是 int 类型的 in-memory storage size（固定长度），即编译期就完成的 sizeof (data_type) 操作结果。正是这种「面向机器的最浅抽象」，使得 C 语言变得很强大；你可以很清楚的了解，某个变量的长度是多少，因为其类型是固定的，而「变量名」本身，则不过是你希望记住的某 memory block 的「别名」。

切入正题。如下三行代码（隐去了数据结构的具体名称等细节），p 是新定义的指针（指向结构体类型 T），data_buffer 则是一种 void * 型内存块，其中存储的，实则是由指向结构体 T 的指针构成的「指针数组」。要做的很简单，就是将位置在第 i 处的指针，拷贝给新定义的 p 指针。听起来很简单，对吗？

struct T *p = nullptr;
p = (struct T *) ((char *)data_buffer + elem_size * i); // code1
memcpy(&p, (char *)data_buffer + elem_size * i, sizeof(struct T *)); // code2
p = ((struct T **)data_buffer)[i]; // code3

ok，虽然这事儿不说也没人知道，但哥还是决定自黑一下！=_=

首先，我随手就写上了第二行代码（简称 code1 …）。
唔，这是值得被鄙视的一行代码，更值得被鄙视的，是哥第一时间 code review 时并没有发现其中的问题，debug 时才突然意识到掉进了这么经典的坑里，后悔不迭（就差面红耳赤了）…… 问题在哪儿呢？

指针本身只是一个长度为 sizeof (void *) 的区域里存储的 value，而 value 本身则是另一个变量的地址；使用指针类型的 explicit conversion（强制类型转换）并赋值，如「p = (struct T *) q」，其含义，是指 q 本身是一个结构体的起始地址，从而将 q 的地址拷贝给 p 指针。

所以，上文里提到的 code1 自然是不对了。于是，我改成了第三行代码即 code2。

这种写法深刻秉承了「拷贝区块」的机器操作理念，自然是没错了，可惜还是不够美观。赶着吃饭匆匆 commit 后，才在吃饭期间突然意识到，妹的，这不就是一个指针数组操作嘛！于是，最终形成了 code3 的模样……

多么简单的一个问题。多么深刻的领悟。多么痛的自黑。

2. 再举一个 two star programming 的例子。

来源于一篇博客，也是 Linus Torvalds 在一次访谈里特地提及的「喜欢的 really core low-level kind of coding」。

既然已经把此文写的如此深入浅出了，也就不怕索性再多花点时间，写的更深入浅出一点了…… 囧 上图：

从循环的 invariant（不变量）角度来看，entry 里存储的，一直是下一个「判断是否删除」的链表实体，curr 里存储的，则一直是「被判断是否删除的链表实体的前一个实体」。

这需要两方面保证：一，是结构体第一个成员必须是 next 指针，否则 head / initial entry 会存在不一致性；二，传入的参数是 double star pointer 以保证 head 指针本身可被修改，而不是像博客里第一种方法那样，仅传入一个 pointer 指针（C 语言的函数参数都是传值调用），需要 return head 的返回值，否则也存在不一致性。

根据上面这个图，是不是更容易理解博客代码里，遍历链表的机制呢？ :-)

愿天底下所有指针终成眷属。