C11中的“可代表”是什么意思？答案

【问题标题】：What does "representable" mean in C11?C11中的“可代表”是什么意思？
【发布时间】：2014-11-04 18:36:50
【问题描述】：

标题<ctype.h> 声明了几个对分类有用的函数和映射字符。在所有情况下，参数都是int，其值应可表示为 unsigned char 或应等于宏EOF 的值。如果参数有任何其他值，行为未定义。

这是未定义的行为吗？：

#include <ctype.h>
#include <limits.h>
#include <stdlib.h>

int main(void) {
  char c = CHAR_MIN; /* let assume that char is signed and CHAR_MIN < 0 */
  return isspace(c) ? EXIT_FAILURE : EXIT_SUCCESS;
}

标准是否允许将char 传递给isspace()（char 到int）？换句话说，char 转换为int 后是否可以作为unsigned char 表示？

这是wiktionary defines "representable"：

能够被代表。

char 可以表示为unsigned char 吗？是的。 §6.2.6.1/4：

存储在任何其他对象类型的非位域对象中的值由 n × CHAR_BIT 位组成，其中 n 是该对象的大小类型，以字节为单位。该值可以复制到类型的对象中 unsigned char [n]（例如，通过 memcpy）；结果的字节集是称为值的对象表示。

sizeof(char) == 1 因此其对象表示为unsigned char[1]，即char 能够表示为unsigned char。我哪里错了？

具体例子，我可以将[-2, -1, 0, 1] 表示为[0, 1, 2, 3]。如果我不能，那为什么？

相关：根据 §6.3.1.3 isspace((unsigned char)c) 是可移植的，如果 INT_MAX >= UCHAR_MAX 否则它是实现定义的。

【问题讨论】：

我会说它是否是未定义的行为是未指定的——char 可以是无符号的，所以CHAR_MIN 可以是0。对于有符号字符，-1 是一个有效值，但它不能表示为 unsigned char（它不在此类型的可表示值范围内）。
@dyp：它是未指定的还是实现定义的？假设char 是signed（很常见）。我会更新问题
@dyp: signed-ness of plain char 必须记录在案，因此无论是未定义行为还是明确定义，它都只是实现定义的。
@Deduplicator 你是对的。它要么是普通的 UB，要么是实现定义的，无论它是否是 UB。
@dyp：在评论中回答我的问题：草案在 6.2.5/15 中说 “实现应将 char 定义为具有与签名相同的范围、表示和行为char 或 unsigned char. 45)" 即，它不仅仅是未指定的，它是实现定义的（实现记录选择）。

标签： c language-lawyer c11

【解决方案1】：

类型中的可表示是什么意思？

重新表述，类型是底层位模式含义的约定。因此，如果该类型赋予某种位模式该含义，则该值可以在类型中表示。

转换（可能需要强制转换）是从值（以特定类型表示）到目标类型中表示的值（可能不同）的映射。

在给定的假设下（char 已签名），CHAR_MIN 肯定是否定的，并且您引用的文本没有解释的余地：
是的，这是未定义的行为，因为unsigned char 不能代表任何负数。

如果该假设不成立，您的程序将是明确定义的，因为 CHAR_MIN 将是 0，unsigned char 的有效值。

因此，我们有这样一种情况，即程序是未定义的还是定义良好的，都是由实现定义的。

顺便说一句，不能保证sizeof(int)>1 或INT_MAX >= CHAR_MAX，所以int 可能无法代表unsigned char 的所有可能值。

由于转换被定义为保值，因此签名的char 始终可以转换为int。
但如果它是负数，那不会改变将负值表示为unsigned char 的可能性。（转换被定义为从任何整数类型到任何unsigned 整数类型的转换总是被定义，尽管缩小转换需要强制转换。）

【讨论】：

sizeof(int)==1 确实很有趣； DS9K 实现可能有一个无符号字符 char 类型，其值似乎大于 int 可以表示的值。
DS9K 的另一个崇拜者，我明白了。他们最终应该会交付我的。
您能否详细说明“您引用的文字没有解释的余地”部分？？问题是“可代表”这个词是什么意思。我可以将所有char 值表示为unsigned char（该公式可能取决于实现，但对于所有实现它存在）。该标准可能使用不同的含义。你能描述一下那个意思吗？想象一下它是english.SE，但对于程序员来说。
@J.F.Sebastian：变化很大。现在好点了吗？
@Deduplicator：常见。你有没有说过char 小于CHAR_MAX + 1 意味着char 类型的任何值都小于CHAR_MAX + 1（数学上）？通常用相同的名称来指代集合和集合的成员。我已经使用直接引用 §6.2.6.1/4 澄清了避免任何歧义的含义。

【解决方案2】：

在 char 是 signed 的假设下，这将是 undefined behavior，否则它是明确定义的，因为 CHAR_MIN 将具有值 0。更容易看出以下意图和含义：

其值应可表示为无符号字符或应等于宏EOF的值

如果我们从Rationale for International Standard—Programming Languages—C 中阅读7.4 字符处理部分，其中说（强调我的前进）：

由于这些函数通常主要用作宏，它们的域仅限于可表示的小正整数 unsigned char，加上EOF的值。 EOF 传统上为 -1，但可能是任何负整数，因此可与任何有效的字符代码。因此，这些宏可以通过以下方式有效地实现使用参数作为一个小属性数组的索引。

所以有效值是：

可以放入 unsigned char 的正整数
EOF 这是一些实现定义的负数

尽管这是 C99 的基本原理，因为您所指的特定措辞不会从 C99 更改为 C11，因此基本原理仍然适用。

我们还可以从7.1.4 部分中找到为什么接口使用 int 作为参数而不是 char，库函数的使用 ，它说：

所有库原型都是根据“扩展”类型指定的以前声明为 char 的参数现在写为 int。这 确保大多数库函数都可以使用或不使用范围内的原型，从而保持向后兼容性 C89 之前的代码。但是请注意，由于 printf 和 scanf 使用可变长度参数列表，它们必须在原型的范围。

【讨论】：

@JFSebastian 这没有什么问题，演员表会将带符号的字符（假设它已签名，否则它什么都不做）转换为无符号的范围char 通过6.3.1.3 p 2 中的规则。
我知道，在我的问题和answer 中都引用了§6.3.1.3。我的意思是为什么 (unsigned char) 没有在 isspace() 内部使用以避免未定义的行为。
@J.F.Sebastian 似乎可能会避免与EOF 重叠，这会很糟糕。它还提供了一个清晰的界面。
UB 为 char 值传递为 int 是不是一个清晰的界面。恰恰相反。它可能会起作用（它适用于我系统上的 gcc、clang），它可能会使您的程序崩溃或向火星发送一封信。根据“接口”都是有效的。我会理解关于不妥协时间性能的论点，例如，如果有更安全的选择，(c != EOF) && (_uctype[(unsigned char)c] & _SPACE) 可能比(_ctype + 1)[c] & _S 慢。
我可能误解了“clear”这个词，但这是一个糟糕的 API 设计，将字符传递给字符分类函数可能会导致未定义的行为。

【解决方案3】：

启示录（对我来说）是§6.3.1.3/1：

如果值可以用新类型表示，则不变。

即，如果必须更改值，则该值不能由新类型表示。

因此unsigned 类型不能表示负值。

回答标题中的问题：“可表示”是指 §6.3.1.3 中的“可以表示”，与 §6.2.6.1 中的“对象表示”无关。

回想起来似乎微不足道。我可能对在 Python 中将b'\xFF'、0xff、255、-1 视为同一个字节的习惯感到困惑：

>>> (255).to_bytes(1, 'big')
b'\xff'
>>> int.from_bytes(b'\xFF', 'big')
255
>>> 255 == 0xff
True
>>> (-1).to_bytes(1, 'big', signed=True)
b'\xff'

并且不相信将字符传递给字符分类函数是一种未定义的行为，例如isspace(CHAR_MIN)。

【讨论】：