地址、指针与引用

计算机本身是不认识程序中给的变量名,不管我们以何种方式给变量命名,最终都会转化为相应的地址,编译器会生成一些符号常量并且与对应的地址相关联,以达到访问变量的目的.

变量是在内存中用来存储数据以供程序使用,变量主要有两个部分构成:变量名、变量类型,其中变量名对应了一块具体的内存地址,而变量类型则表明该如何翻译内存中存储的二级制数。我们知道不同的类型翻译为二进制的值不同,比如整型是直接通过数学转化、浮点数是采用IEEE的方法、字符则根据ASCII码转化,同样变量类型决定了变量所占的内存大小,以及如何在二进制和变量所表达的真正意义之间转化。而指针变量也是一个变量,在内存中也占空间,不过比较特殊的是它存储的是其他变量的地址。在32位的机器中,每个进程能访问4GB的内存地址空间,所以程序中的地址采用32位二进制数表示,也就是一个整型变量的长度,地址值一般没有负数所以准确的说指针变量的类型应该是unsigned int 即每个指针变量占4个字节。还记得在定义结构体中可以使用该结构体的指针作为成员,但是不能使用该结构的实例作为成员吗?这是因为编译器需要根据各个成员变量的大小分配相关的内存,用该结构体的实例作为成员时,该结构体根本没有定义完整,编译器是不会知道该如何分配内存的,而任何类型的指针都只占4个字节,编译器自然知道如何分配内存。我们在书写指针变量时给定的类型是它所指向的变量的类型,这个类型决定了如何翻译所对应内存中的值,以及该访问多少个字节的内存。对指针的间接访问会先先取出值,访问到对应的内存,再根据指针所指向的变量的类型,翻译成对应的值。一般指针只能指向对应类型的变量,比如int类型的指针只能指向int型的变量,而有一种指针变量可以指向所有类型的变量,它就是void类型的指针变量,但是由于这种类型的变量没有指定它所对应的变量的类型,所以即使有了对应的地址,它也不知道该取多大内存的数据,以及如何解释这些数据,所以这种类型的指针不支持间接访问,下面是一个间接访问的例子:

1
2
3
4
5
6
7
8
9
10
11
12
13
int main()
{
int nValue = 10;
float fValue = 10.0f;
char cValue = 'C';
int *pnValue = &nValue;
float *pfValue = &fValue;
char *pcValue = &cValue;
printf("pnValue = %x, *pnValue = %d\n", pnValue, *pnValue);
printf("pfValue = %x, *pfValue = %f\n", pfValue, *pfValue);
printf("pcValue = %x, *pcValue = %c\n", pcValue, *pcValue);
return 0;
}

下面是它对应的反汇编代码(部分):

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
10:       int nValue = 10;
00401268 mov dword ptr [ebp-4],0Ah
11: float fValue = 10.0f;
0040126F mov dword ptr [ebp-8],41200000h
12: char cValue = 'C';
00401276 mov byte ptr [ebp-0Ch],43h
13: int *pnValue = &nValue;
0040127A lea eax,[ebp-4]
0040127D mov dword ptr [ebp-10h],eax
14: float *pfValue = &fValue;
00401280 lea ecx,[ebp-8]
00401283 mov dword ptr [ebp-14h],ecx
15: char *pcValue = &cValue;
00401286 lea edx,[ebp-0Ch]
00401289 mov dword ptr [ebp-18h],edx
16: printf("pnValue = %x, *pnValue = %d\n", pnValue, *pnValue);
0040128C mov eax,dword ptr [ebp-10h]
0040128F mov ecx,dword ptr [eax]
00401291 push ecx
00401292 mov edx,dword ptr [ebp-10h]
00401295 push edx
00401296 push offset string "pnValue = %x, *pnValue = %d\n" (00432064)
0040129B call printf (00401580)
004012A0 add esp,0Ch

从上面的汇编代码可以看到指针变量会占内存空间,它们的地址分别是:[ebp - 10h] 、 [ebp - 14h]、 [ebp - 18h],在给指针变量赋值时首先将变量的地址赋值给临时寄存器,然后将寄存器的值赋值给指针变量,而通过间接访问时也经过了一个临时寄存器,先将指针变量的值赋值给临时寄存器(mov eax,dword ptr [ebp-10h])然后通过这个临时寄存器访问变量的地址空间,得到变量值( mov ecx,dword ptr [eax]),由于间接访问进过了这几步,所以在效率上是比不上直接使用变量。下面是对char型变量的间接访问:

1
2
3
004012BF   mov         edx,dword ptr [ebp-18h]
004012C2 movsx eax,byte ptr [edx]
004012C5 push eax

首先也是将指针变量的值取出来,放到寄存器中,然后根据寄存器寻址找到变量对应的地址,访问变量。其中”bye ptr“表示只操作该地址中的一个字节。

对于地址我们可以进行加法和减法操作,地址的加法主要用于向下寻址,一般用于数组等占用连续内存空间的数据结构,一般是地址加上一个数值,表示向后偏移一定的单位,指针同样也有这样的操作,但是与地址值不同的是指针每加一个单位,表示向后偏移一个元素,而地址值加1则就是在原来的基础上加上一。指针偏移是根据其所指向的变量类型来决定的,比如有下面的程序:

1
2
3
4
5
6
7
8
9
10
11
12
int main(int argc, char* argv[])
{
char szBuf[5] = {0x01, 0x23, 0x45, 0x67, 0x89};
int *pInt = (int*)szBuf;
short *pShort = (short*)szBuf;
char *pChar = szBuf;

pInt += 1;
pShort += 1;
pChar += 1;
return 0;
}

它的汇编代码如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
9:        char szBuf[5] = {0x01, 0x23, 0x45, 0x67, 0x89};
00401028 mov byte ptr [ebp-8],1
0040102C mov byte ptr [ebp-7],23h
00401030 mov byte ptr [ebp-6],45h
00401034 mov byte ptr [ebp-5],67h
00401038 mov byte ptr [ebp-4],89h
10: int *pInt = (int*)szBuf;
0040103C lea eax,[ebp-8]
0040103F mov dword ptr [ebp-0Ch],eax
11: short *pShort = (short*)szBuf;
00401042 lea ecx,[ebp-8]
00401045 mov dword ptr [ebp-10h],ecx
12: char *pChar = szBuf;
00401048 lea edx,[ebp-8]
0040104B mov dword ptr [ebp-14h],edx
13:
14: pInt += 1;
0040104E mov eax,dword ptr [ebp-0Ch]
00401051 add eax,4
00401054 mov dword ptr [ebp-0Ch],eax
15: pShort += 1;
00401057 mov ecx,dword ptr [ebp-10h]
0040105A add ecx,2
0040105D mov dword ptr [ebp-10h],ecx
16: pChar += 1;
00401060 mov edx,dword ptr [ebp-14h]
00401063 add edx,1
00401066 mov dword ptr [ebp-14h],edx

根据其汇编代码可以看出,对于int型的指针,每加1个会向后偏移4个字节,short会偏移2个字节,char型的会偏移1个,所以根据以上的内容,可以得出一个公式:TYPE P p + n = p + sizeof(TYPE) n

根据上面的加法公式我们可以推导出两个指针的减法公式,TYPE p1, TYPE p2: p2 - p1 = ((int)p2 - (int)p1) / sizeof(TYPE),两个指针相减得到的结果是两个指针之间拥有元素的个数。只有同类型的指针之间才可以相减。而指针的乘除法则没有意义,地址之间的乘除法也没有意义。

  引用是在C++中提出的,是变量的一个别名,提出引用主要是希望减少指针的使用,引用于指针在一个函数中想上述例子中那样使用并没有太大的意义,大量使用它们是在函数中,作为参数传递,不仅可以节省效率,同时也可以传递一段缓冲,作为输出参数来使用。这大大提升了程序的效率以及灵活性。但是在一些新手程序员看来指针无疑是噩梦般的存在,所以C++引入了引用,希望代替指针。在一般的C++书中都说引用是变量的一个别名是不占内存的,但是我通过查看反汇编代码发现引用并不是向书上说的那样,下面是一段程序及它的反汇编代码:

1
2
3
int nValue = 10;
int &rValue = nValue;
printf("%d\n", rValue);

1
2
3
4
5
6
7
8
9
10
11
10:       int nValue = 10;
00401268 mov dword ptr [ebp-4],0Ah
11: int &rValue = nValue;
0040126F lea eax,[ebp-4]
00401272 mov dword ptr [ebp-8],eax
12: printf("%d\n", rValue);
00401275 mov ecx,dword ptr [ebp-8]
00401278 mov edx,dword ptr [ecx]
0040127A push edx
0040127B push offset string "%d\n" (0042e01c)
00401280 call printf (00401520)

从汇编代码中可以看到,在定义引用并为它赋值的过程中,编译器其实是将变量的地址赋值给了一个新的变量,这个变量的地址是[ebp - 8h],在调用printf函数的时候,编译器将地址取出并将它压到函数栈中。下面是将引用改为指针的情况:

1
2
3
4
5
6
7
8
9
10
11
10:       int nValue = 10;
00401268 mov dword ptr [ebp-4],0Ah
11: int *pValue = &nValue;
0040126F lea eax,[ebp-4]
00401272 mov dword ptr [ebp-8],eax
12: printf("%d\n", *pValue);
00401275 mov ecx,dword ptr [ebp-8]
00401278 mov edx,dword ptr [ecx]
0040127A push edx
0040127B push offset string "%d\n" (0042e01c)
00401280 call printf (00401520)

两种情况的汇编代码完全一样,也就是说引用其实就是指针,编译器将其包装了一下,使它的行为变得和使用变量相同,而且在语法层面上做了一个限制,引用在定义的时候必须初始化,且初始化完成后就不能指向其他变量,这个行为与常指针相同。
PS:在之前的博客中,我说引用其实就是指针,但是现在我自己感觉这句话可能有点问题,引用就是变量的一个别名,而变量实际上最终也归结到对应内存地址的访问上。所以当二者的汇编代码是一样时其实也不能说明它就是指针,在函数外访问该函数中的值本身时,也是要通过地址访问。所以这两段汇编代码一样并不能说明二者是同一个东西