C++实现strcmp字符串比较的深入探讨

前言

strcmp声明在<cstring>里（C 头文件<string.h>），签名是int strcmp(const char* lhs, const char* rhs)。它按字典序比较两个以空字符结尾的字节串，返回负值、零、正值分别表示lhs小于、等于、大于rhs。

关于它最常见的误解是「返回值一定是 -1、0、1」。标准只规定返回值的符号，不规定具体数值，也不要求返回值等于两个字符之差。很多实现返回的就是字节差，但也有实现返回归一化后的 -1/1，甚至返回其它负数。把strcmp(a, b) == -1当作判断「a 小于 b」的写法不可移植，正确写法是strcmp(a, b) < 0。

第二个误解是「strcmp和memcmp差不多」。两者都在比较字节，但strcmp遇到空字符就停止，memcmp按给定长度比较、不关心内容；用memcmp比较字符串时如果长度取错，会把结尾之后的字节也纳入比较。

本文从比较语义、手写实现、与相关函数的关系、以及在 C++ 中该不该用四个角度展开。代码按 C++17 编写，未在本机编译执行。

一、比较语义：按unsigned char逐字节

标准规定strcmp比较的是两个字符串的对应字符，字符按unsigned char解释。这一点非常关键：如果平台上的char是有符号的（这是实现定义行为，Windows 与多数 x86 平台上有符号，部分 ARM 平台默认无符号），直接比较char会把 0x80 以上的字节当成负数，排序结果与按字节值排序相反。

// 适用于 C++17
int my_strcmp(const char* lhs, const char* rhs) {
const unsigned char* a = reinterpret_cast<const unsigned char*>(lhs);
const unsigned char* b = reinterpret_cast<const unsigned char*>(rhs);
while (*a != '\0' && *a == *b) {
++a;
++b;
}
return static_cast<int>(*a) - static_cast<int>(*b);
}

几点说明：

• 
  
• 循环条件是「当前字符非空且两字符相等」，退出时要么遇到空字符，要么遇到不同的字符。
• 
  
• 转成unsigned char再比较，保证 0x80～0xFF 按 128～255 排序，与标准语义一致。直接把char转int在char有符号时会得到负值，顺序就反了。
• 
  
• 返回*a - *b是常见做法，但不要依赖调用方拿它和具体数值比较；标准只保证符号。
• 
  
• 两个指针都不能为空，传空指针是未定义行为（undefined behavior, UB），不是「返回 0」或抛异常。
• 
  

strcmp在第一个不同字节处就能确定结果，不需要比较到末尾；这也是它比「先算长度再比较」更高效的原因——后者要先遍历两遍求长度。

二、与strncmp、memcmp、std::string::compare的区别

strncmp(a, b, n)在「前 n 个字节都相同」时返回 0，即使后面还有差异；它适合比较协议头、固定前缀。注意strncmp仍然会在遇到空字符时提前停止，所以它并不是「安全的memcmp」——如果数据中间可能含 0，应该用memcmp。

memcmp不认空字符，按字节比较，返回值的符号同样只表示大小关系。用memcmp比较两个 C 字符串时，长度至少要取max(strlen(a), strlen(b)) + 1，否则可能漏掉结尾差异；但这样又要先求长度，通常不如直接用strcmp。

std::string::compare的返回值也是「负/零/正」，参数可以是另一个std::string、const char*、string_view，还可以带位置与长度。它不需要空终止，也不会读越界，是 C++ 代码里的首选。

三、C++ 中该不该继续用strcmp

绝大多数情况下不该。std::string的operator==、operator<直接表达意图，长度已知，不会因为缺少空终止而读越界：

// 适用于 C++17
#include <string>
#include <string_view>
#include <iostream>

bool same_name(const std::string& a, const std::string& b) {
return a == b; // 明确、无越界风险
}

bool has_prefix(std::string_view s, std::string_view prefix) {
return s.size() >= prefix.size() && s.compare(0, prefix.size(), prefix) == 0;
}

int main() {
std::string a = "apple";
std::string b = "apply";
std::cout << (a < b) << '\n'; // 1，按字典序
std::cout << has_prefix(a, "app") << '\n'; // 1
}

std::string_view需要 C++17。它不拥有字符，只持有指针与长度，因此不能从临时std::string构造后长期保存——临时对象销毁后视图悬垂。has_prefix里先比较长度再调用compare，是因为compare(pos, count, sv)在pos > size()时会抛std::out_of_range。

必须用strcmp的场合主要是与 C 接口交互：第三方库返回const char*、系统 API 要求 C 字符串、解析命令行参数。这时也建议尽快转成std::string或string_view，把 C 字符串的生命周期控制在最小范围。

四、排序与大小写：strcmp不处理语言规则

strcmp是字节比较，不是「人类语言排序」。它区分大小写，所有大写字母排在小写字母之前（因为 ASCII 中'A'是 65，'a'是 97）；它也不理解重音符号、连字、不同语言的字母顺序。

需要忽略大小写时，不要用strcasecmp（POSIX，非标准）作为跨平台方案，可以自己写比较函数或先转小写再比：

// 适用于 C++17
#include <cctype>
#include <string>
#include <algorithm>

bool less_ignore_case(const std::string& a, const std::string& b) {
return std::lexicographical_compare(
a.begin(), a.end(), b.begin(), b.end(),
[](unsigned char x, unsigned char y) {
return std::tolower(x) < std::tolower(y);
});
}

std::tolower的参数必须是unsigned char可表示的值或EOF；传负的char是 UB，所以 lambda 参数写成unsigned char。另外，tolower的行为依赖当前的 C 区域设置（locale），对非 ASCII 字节不要期待「正确的大小写折叠」。

如果要做符合语言习惯的排序（例如中文按拼音、德文把ß当ss），应使用std::collate或平台提供的国际化库，而不是strcmp。

常见坑点

• 
  
• ❌if (strcmp(a, b) == -1)判断小于。
• 
  

✅ 用strcmp(a, b) < 0，标准只保证符号不保证数值。

• 
  
• ❌ 手写比较时直接return *a - *b;，char有符号时高位字节顺序颠倒。
• 
  

✅ 转成unsigned char再比较。

• 
  
• ❌ 对可能为空的指针调用strcmp。
• 
  

✅ 调用前判空，或改用std::string/string_view接口。

• 
  
• ❌ 用strcmp比较未以空字符结尾的缓冲区。
• 
  

✅ 这类数据用memcmp或std::string_view（带长度）比较。

• 
  
• ❌ 用memcmp(a, b, sizeof(a))比较字符串，把数组尾部未初始化字节也比了进去。
• 
  

✅ 用strcmp，或memcmp配合准确的长度（含或不含结尾按语义决定）。

• 
  
• ❌ 把std::string直接传给strcmp。
• 
  

✅ 用s.c_str()（注意指针在原字符串被修改后失效），或直接用std::string的比较运算符。

• 
  
• ❌ 认为strcmp会按 locale 排序。
• 
  

✅ 它是字节比较；语言相关排序用std::collate或专门的库。

• 
  
• ❌ 在循环里反复对同一对字符串调用strcmp做排序比较，每次都从头扫描。
• 
  

✅ 排序时用std::string的operator<，或先转成可比较的键；比较次数由排序算法决定。

总结

strcmp是一个语义精确、边界严格的 C 函数：它要求空终止、要求非空指针、只承诺返回值的符号。理解这三点，就不会写出「等于 -1 才算小」「memcmp也能比字符串」这类错误。在 C++ 里，能用std::string就用std::string，把strcmp留给真正需要与 C 接口打交道的边界处。