“从一道C笔试题说起:字符就是数字,字符串就是带\0的数组”——ASCII与C字符串的前世今生

【引言】

在C语言里，字符串从来不是一种“类型”，而是一种“约定”。这个约定从ASCII开始，经过BCPL、B语言的演变，最终在Dennis Ritchie手中定型。

一、一道笔试题，全部答对率不到50%

先看一道某大厂C语言笔试题：

char str1[] = "abc";char str2[] = {'a', 'b', 'c'};printf("%d\n", sizeof(str1));printf("%d\n", sizeof(str2));printf("%d\n", strlen(str1));printf("%d\n", strlen(str2));

问：以上四个输出分别是什么？

很多同学的答案：4, 3, 3, 3

正确答案：4, 3, 3, 随机值

str1是字符串，编译器自动在末尾加了'\0'，所以sizeof是4；str2是字符数组，没有结束符，所以strlen会一直往后找直到遇到随机的'\0'。

这道题考察的不是语法，而是C语言对字符串最根本的设计：字符串以'\0'结尾。

要理解这个设计为什么是这样，得回到半个多世纪前，从字符编码开始讲起。

二、字符是什么？——数字与字符之间的“密码本”

2.1 字符和数字的映射：一本“密码本”

字符'A'在计算机里到底是什么？答案是：数字65。

计算机内存里只有0和1，没有字母、没有符号、没有标点。你看到的'A'，本质上是内存中一个8位的二进制数01000001（十进制65）。编译器看到'A'，把它翻译成65；屏幕上显示65这个值时，又被翻译回'A'。

这个“翻译”的过程，靠的是一张映射表——字符和数字之间的对应关系表。

这本质上就是加密和解密：

• 加密（编码）：你写的字符'A'，被转换成数字65存储到内存中

• 解密（解码）：内存中的数字65，被转换成字符'A'显示到屏幕上

没有这张映射表，同一串数字01000001可以被解读成字母'A'，也可以被解读成其他任何东西——这正是1960年代末ARPANET上面临的真实困境。

2.2 从“I love you”变成乱码说起

1971年，ARPANET已经扩展到了15个节点以上。一位程序员在DEC PDP-10计算机上，通过刚诞生不久的电子邮件系统，给远在另一所大学的女友发了一封邮件：“I love you”。

但女友的IBM机器上收到的却是一串完全无法辨认的乱码符号。

问题出在编码表不统一上。DEC机器用的是ASCII表，'I'对应数字73；IBM机器用的是EBCDIC表，数字73在EBCDIC里对应的是一个完全不同的符号。同一串二进制，在两台机器上被两张不同的“密码本”解密，自然得到完全不同的结果。

“编码不统一”的本质是：双方没有约定好同一本“密码本”。 实际上，早在1969年10月，RFC 20《ASCII format for Network Interchange》就已经为网络文本交换提供了一个统一的编码规范。但直到1970年代初，ARPANET上并非所有机器都采纳了这个规范。

随着计算机之间数据交换的需求越来越迫切，一本统一的“密码本”势在必行。1960年10月6日，美国标准协会（ASA）的X3.2小组委员会召开了第一次会议，目标是制定统一的信息交换标准编码。1963年，第一版ASCII标准正式发布。

不过，ASCII只解决了美国国内的编码问题。对于欧洲语言中的重音字符（é、ñ、ü等），ASCII依然束手无策，这为后来ISO 8859、GB2312、Unicode等更广泛的编码标准埋下了伏笔。当然，那是另一个故事了。

2.3 ASCII：128个字符的“密码本”

ASCII用7个比特编码128个字符，分为33个控制字符（0-31、127）和95个可打印字符（32-126）。

ASCII完整编码表：

2.4 建议背的5个ASCII值

128个ASCII值中，只有5个建议记住：

只要记住这5个数，其余都可以通过规律推导：

• 'A'到'Z'：65~90（连续+1） → 所以'K' = 65 + 10 = 75

• 'a'到'z'：97~122（连续+1） → 所以'k' = 97 + 10 = 107

• '0'到'9'：48~57（连续+1） → 所以'7' = 48 + 7 = 55

同一字母的大小写相差32：'A'=65，'a'=97。为什么是32？因为ASCII用7位编码，大写字母的第6位是0，小写字母的第6位是1，相差正好是2⁵=32。这就是为什么'A'+32='a'在逻辑上是成立的。

数字字符转数值（面试常考技巧）：

char c = '5';int num = c - '0';   // num = 5

因为'0'到'9'是连续编码的，'5'-'0'=53-48=5。这个技巧在字符数字转整数的场景中高频出现。

ASCII码大小规律： 数字（48-57）< 大写字母（65-90）< 小写字母（97-122），可直接用字符比较运算符。

2.5 C语言的char：1字节，8比特

当Dennis Ritchie在PDP-11上开发C语言时，PDP-11是8位字节寻址的机器。char类型被定义为1个字节，在PDP-11上天然就是8位。而ASCII只需要7位，8位的char刚好能容纳ASCII的所有字符。

字符在C语言中就是一个数字。'A'就是65，'\0'就是0。字符和整数之间的界限，在C语言里几乎是透明的。

三、字符串的诞生：从BCPL到B到C

3.1 BCPL：用第一个字节存长度

C语言的爷爷是BCPL（1966年开始设计，1967年发布）。BCPL如何处理字符串？把字符串当作整数数组，第一个字节存放字符串长度，后面跟着实际字符。

BCPL、B、C都没有在语言层面强烈支持字符数据，都只是把字符串当作整数向量，加上一些约定来补充通用规则。

3.2 B语言：Ken Thompson的“偷懒”与突破

Ken Thompson在PDP-7上开发B语言时，内存极其有限——只有约18KB。1969-1970年间，他做了一项关键改动：去掉了BCPL的长度字节，改用特殊字符*e（值为0）作为字符串终止符。

为什么改？

第一，避免长度上限。BCPL用一个字节存长度，字符串最长255个字符。在B语言中，字符串长度不再受限。

第二，维护终止符比维护长度更方便。Ritchie后来回忆说：“根据我们的经验，维护计数不如使用终止符方便。”用长度前缀的话，每次拼接、截断字符串都要手动更新长度字段，非常容易出错。

第三，终止符方案更简洁。字符串的结束标志本身就是数据的一部分，不需要额外的管理逻辑。遍历字符串时，只需检查是否遇到*e即可。

顺带一提，BCPL的长度前缀方案并没有“浪费”空间——它同样只占1个字节。B语言改用终止符，主要动机是灵活性和便利性，而非节省内存。

3.3 C语言：继承B的约定，把*e换成\0

Dennis Ritchie改进B语言成为C语言时，延续了B的终止字符约定，只是把*e换成了\0（值为0的空字符）。

Ritchie为什么坚持用空字符终止？

据Ritchie本人回忆，他选择空字符终止是为了避免限制字符串的最大长度，而且在他看来，维护计数不如使用终止符方便。当时也存在另一种方案——Pascal风格的长度前缀字符串（用一个字节存长度），但长度被限制在255个字符。

Pascal字符串 vs C字符串：

FreeBSD内核开发者Poul-Henning Kamp后来将C语言空字符终止字符串称为“史上最昂贵的单字节错误”。但在1970年代，这个设计是合理的选择。

四、为什么C语言没有专门的string类型？

因为C语言的设计哲学是“信任程序员，贴近硬件”。

在C语言中，数组名本质上是指向首元素的指针，数组在函数参数传递时会退化为指针。如果引入一个专门的string类型，就必须在语言层面增加额外的抽象层，这与C语言“提供底层访问”的理念相悖。

C语言不提供string类型，而是提供了一种约定：用char数组存储字符序列，用\0标记结尾。任何遵守这个约定的内存区域，都可以被字符串处理函数操作。

C语言的字符串不是一个“东西”，而是一种“规则”。

五、为什么C语言提供了strlen()等标准库函数？

既然字符串只是字符数组，程序员完全可以自己写循环遍历数组计算长度、复制内容。那为什么C标准库还要提供strlen()、strcpy()、strcmp()等函数？

第一，因为字符串操作太常见了。 每个程序员都要反复写同样的循环代码——遍历到\0、复制直到\0、比较直到差异或\0。把这些操作封装成标准函数，是提高效率的必然选择。

第二，标准库函数经过了优化。 你自己写的strlen可能逐字节比较，而标准库可能用更高效的算法（如一次检查多个字节）。

第三，可移植性。 不同平台的字长、对齐要求不同，标准库的实现会针对平台优化。

第四，历史原因。 K&R在设计UNIX时，这些字符串操作函数就已经在用了。后来ANSI C将它们标准化，收录在<string.h>头文件中。

strlen()不是“字符串类型的成员函数”，而是“对字符数组进行操作的通用工具函数”。 这正是C语言的设计思路——类型简单，函数通用。

六、面试常考的字符串知识点

6.1 核心概念类

① 字符串的结束标志是'\0'，不是'0'

char s1[] = "hello";   // 6个字节（5个字符 + '\0'）char s2[] = {'h','e','l','l','o'};// 5个字节，无'\0'，不是字符串

② sizeof vs strlen

char arr[] = "hello";sizeof(arr);   // 6strlen(arr);   // 5

③ 字符数组与字符串常量的区别

6.2 转义字符类

转义字符算1个字符，不是多个

strlen("c:\test\121");  // 7// '\t'是1个字符，'\121'是1个字符（八进制转义，ASCII码81）

常见转义字符：\n、\t、\b、\r、\\、\'、\"、\0、\ddd（八进制）、\xhh（十六进制）。

6.3 字符串常量 vs 字符数组

const char *p = "hello";  // p指向只读数据区，不能修改（推荐写法）char arr[] = "hello"; // arr在栈上，可以修改// p[0] = 'H';  // ❌ 编译错误！const 禁止修改arr[0] = 'H'; // ✅ 正确

6.4 常见笔试题型

题型1：字符串结束标志

 字符串的结束标志是：（ ） A. '0'    B. EOF    C. '\0'    D. 空格 答案：C

题型2：转义字符计数

strlen("abc\0def");   // 3strlen("abc\x0aef");  // 6（\x0a是换行符，1个字符）

题型3：字符串常量修改（找错题）

voidtest() {    const char *str = "hello";    str[0] = 'H';  // 编译错误！const 禁止修改    printf("%s", str);}

题型4：手写字符串函数

// 手写strlenintmy_strlen(constchar *s){    int len = 0;    while (*s++) len++;    return len;}// 手写strcpychar* my_strcpy(char *dest, constchar *src){    char *p = dest;    while ((*p++ = *src++) != '\0');    return dest;}

七、一张图总结

写在最后

回到开篇那道题：

char str1[] = "abc";              // 4字节：a b c \0char str2[] = {'a', 'b', 'c'};    // 3字节：a b c（无\0）sizeof(str1) = 4, sizeof(str2) = 3strlen(str1) = 3, strlen(str2) = 随机值

为什么？

因为C语言的字符串从来不是一种“类型”，而是一种“约定”——用\0标记字符串的结束。这个约定始于ASCII中的空字符（值为0），经过BCPL的长度前缀、B语言的*e终止符，最终在C语言中定型为\0。

这个设计在当时是合理的：避免长度上限、维护方便、保持语言简洁。它成就了C语言的简洁和高效，也埋下了缓冲区溢出等安全隐患的种子。

记住一句话：

在C语言中，字符串不是一个“东西”，而是一种“规则”——以\0结尾的字符数组就是字符串。

字符就是数字，字符串就是带\0的数组，'A'+32就是'a'。

🎁 彩蛋：码农的专属表白密码

在C语言里，字符就是数字。所以，当你想对暗恋的程序员表白时，不必说“我爱你”，只要发一串数字：

53 50 48

懂C语言的人会心一笑——因为 '5' 的 ASCII 是 53，'2' 是 50，'0' 是 48。连起来，就是 "520"。

这大概是最符合程序员气质的浪漫了：用数字编码心意，用ASCII传递感情。

所以，下次有人给你发 53 50 48，别以为他在报错误码——他是在说“我爱你”。

关于作者：某公司嵌入式底软面试官，根据近期招聘应届生的C语言笔试反馈，总结一些 共性的问题，分享一下。回想自己刚毕业的时候，也是一样搞不清楚，逐步啃《C缺陷与陷阱》、《C专家编程》 等C语言经典书籍，才逐步入门。。。因此，花点时间写个笔记，抛砖引玉，希望让有需要的人少点弯路。不够严谨的地方也欢迎留言指正。