终于比较认真地读了一下 CSAPP 的一点点，顺便做点记录，也算是以往经验的小小总结吧。诸如 [DCL13-C] 的标注，是 CERT C 安全编码标准的编号（看来我写的代码还是不错的嘛）。
大端、小端是机器中两种表示数据的方法（字节序），大端法是把最高有效数字排在低地址，小端法是把最高有效数字排在高地址。举例来说，0x12345678 这个数字，在小端机器中会被存储为 78 56 34 12（低->高），相反在大端机器中是 12 34 56 78（低->高）。
以程序验证：
#include <stdio.h>
#include <stdlib.h>
void show_bytes(const void *bytes, size_t len)
{
const unsigned char *bytes_; // [DCL00-C], [INT07-C]
size_t i;
bytes_ = bytes;
for (i = 0; i < len; i++)
{
printf(" %.2X", bytes_[i]);
}
printf("\n");
}
int main(void) {
int val = 0x12345678;
show_bytes(&val, sizeof(val));
return EXIT_SUCCESS;
}
运行该程序，输出 78 56 34 12，说明我的机器就是小端的。
注意，在这里我稍微修改了一下 CSAPP 上的例程。有如下修改：
- 将 byte_pointer 修改为了 const void *：任何指针都能被隐式转换为 void * 而没有警告，方便使用。另外加上 const 确保不会误修改传入数据。[DCL13-C]
- 将 len 的类型修改为了 size_t：对 len 来说有符号是毫无意义的，len 不可能小于 0。实际上，在运行中如果传入负数将会溢出（指针都无符号）。[INT01-C]
- 这里的计数器 i 并不是通常的 int 类型，而是与和它比较的 len 一致，关于这一点可以看 CS:APP （中文版）的第 53 页关于 FreeBSD getpeername 漏洞的讨论。[INT02-C]
那么如何判断大小端呢？在运行时可以用类似上面的方法这样判断：
bool bigendian()
{
static int val = 0x12345678;
if (*(((char *)&val)+3) == 0x78) // warning: magic number 3
{
return true;
}
return false;
}
或者用 union：
union
{
int val;
char ch[4];
} _bigendianstub;
bool bigendian() // requires C99-compliant compilers; stdbool.h must be included
{
_bigendianstub.val = 0x12345678;
if (_bigendianstub.ch[3] == 0x78)
{
return true;
}
return false;
}
一般来说，在一个机器中只能是大端或小端，而操作系统也必然与之对应，于是可以直接在编译时确定：
const char ch[4] = { 0x00, 0xff, 0xff, 0xff }; // [DCL00-C]
#define LITTLEENDIAN ((*(int*)ch)<0) // [PRE02-C]
#define BIGENDIAN (!LITTLEENDIAN) // [PRE02-C]
这里比较流氓，直接把数字写到数据段里面去了，然后利用了 int 最高位表示符号的特点解决问题。相当于直接把 0x00FFFFFF 当作 int，显然我们发现，在大端机器中这个数字表示 0x00FFFFFF，在小端机器中这个数字表示 -256。
当然，以上不过是示例而已，在真实环境中，我们有编译器提供的宏来确定。gcc 的相关宏是 __BYTE_ORDER。
说了这么多，大小端究竟有什么影响呢？主要影响就是与其他机器交互了。个人电脑基本都是小端，而网络字节序则是大端，意味着我们要在发送数据时进行转换。操作系统提供了 ntoh（network to host）、hton （host to network）系列函数可以实现这个目的。但是在大端机器上，这两个函数显然无法得到小端结果！因此我们自己实现一套，以下是完整的测试代码：
#include <stdio.h>
#include <stdlib.h>
const char ch[4] = { 0x00, 0xff, 0xff, 0xff };
#define LITTLEENDIAN ((*(int*)ch)<0)
#define BIGENDIAN (!LITTLEENDIAN)
void show_bytes(const void *bytes, size_t len)
{
const unsigned char *bytes_;
size_t i;
bytes_ = bytes;
for (i = 0; i < len; i++)
{
printf(" %.2X", bytes_[i]);
}
printf("\n");
}
int swap_byteorder(int orig)
{
int ret;
char *ptrf, *ptrl;
ret = orig;
ptrf = (char*)&ret;
ptrl = ((char*)&ret)+3; // warning: magic number 3
for (; ptrf < ptrl; ptrf++, ptrl--)
{
int t;
t = *ptrf;
*ptrf = *ptrl;
*ptrl = t;
}
return ret;
}
inline int tobe(int orig) // requires C99-compliant compilers
{
if(BIGENDIAN) return orig;
return swap_byteorder(orig);
}
inline int tole(int orig) // requires C99-compliant compilers
{
if(LITTLEENDIAN) return orig;
return swap_byteorder(orig);
}
int main(void)
{
int orig, le, be;
orig = 0x12345678;
le = tole(orig);
be = tobe(orig);
printf("original (%s):", LITTLEENDIAN?"little endian":"big endian");
show_bytes(&orig, sizeof(int));
printf("little endian:");
show_bytes(&le, sizeof(int));
printf("big endian:");
show_bytes(&be, sizeof(int));
return EXIT_SUCCESS;
}
只实现了 int 的大小端转换，实际上其余类型乃至任意类型的大小端转换都很容易实现，故从略。
提醒：字符串（特指 char[]）没有大小端转换，每个 char 就是一个字节，从低地址端开始排列（想想「字节序」这个名称）。实际上我们上面的一切都是依赖这个的。另外还依赖了「64 位、32 位系统 int 都是 4 字节」。如果需要很好的可移植性，这些还不够。以上关于字节序的讨论有一个直接推论：跨机器交换文件应当尽量使用文本文件，二进制文件必须设计良好、经过大量测试才能使用。
（翻到后面才发现好多内容都是作业……）
评论 ()
