Cでユニコード文字列を比較

Question

私はUNIXシステムプログラミングを学んでいます。 UNIX用のシンプルなシェルアプリケーションを作成しています（OS X Yosemite ver 10.10.5を使用していますが、Xcodeを使用しています）。私はCで少し経験しましたが、あまりありませんでした。

ユーティリティプログラムは正常に動作し、Unicode文字を出力します（ただし、lsはXcodeコンソールでは代わりに「????」を表示しますが、デバッガ自体の問題であるようです）。

私はちょっとした研究をして、strcmp()もバイトを比較して最後にゼロバイトを探している限り、うまく動作することがわかりました。読み込み入力は、バイトを読み込むだけでOKです。

また、ユニコード文字列にnullバイトが含まれていないことも読んでいます。しかし、 `strcmp（）を実行すると、入力によってはEXC_BAD_ACCESSが発生します。

コード：

読書のユーザー入力：

char* readCommand(void) { 
    int buffer_size = LINE_BUFFER_SIZE; 
    char *buffer = malloc(sizeof(char) * buffer_size); 
    int position = 0; 
    int character; 

    if(!buffer) 
    { 
     fprintf(stderr, "readCommand failed: memory allocation error"); 
     exit(ALLOCATION_ERROR); 
    } 

    while (1) { 
     character = getchar(); 
     if(character == EOF || character == '\n') 
     { 
      buffer[position] = '\0'; 
      char* cmd = buffer; 
      free(buffer); 
      return cmd; 
     } 
     else { 
      buffer[position] = character; 
     } 
     if(++position >= sizeof(buffer)) 
     { 
      buffer_size += LINE_BUFFER_SIZE; 
      buffer = realloc(buffer, sizeof(char) * buffer_size); 
      if(!buffer) { 
       fprintf(stderr, "readCommand failed: memory reallocation error"); 
       free(buffer); 
       exit(ALLOCATION_ERROR); 
      } 
     } 
    } 
    return NULL; 
} 

スプリット引数：strcmpのがどこにあるのです

int split_string_quotes(char* source, char** argv, size_t arg_count) 
{ 
    enum split_states state = DULL; 
    char* p, *word_start = NULL; 
    int character; 
    int argc = 0; 
    for(p = source; argc < arg_count && *p != '\0'; p++) 
    { 
     character = (unsigned char) *p; 
     switch (state) { 
      case DULL: 
       if(isspace(character)) 
       { 
        continue; 
       } 
       if(character == '"') 
       { 
        state = IN_STRING; 
        word_start = p+1; 
        continue; 
       } 
       state = IN_WORD; 
       word_start = p; 
       continue; 

      case IN_WORD: 
       if(isspace(character)) 
       { 
        state = DULL; 
        *p = 0; 
        argv[argc++] = word_start; 
       } 
       continue; 

      case IN_STRING: 
       if(character == '"') 
       { 
        state = DULL; 
        *p = 0; 
        argv[argc++] = word_start; 
       } 
       continue; 
     } 
    } 

    if(state != DULL && argc < arg_count) 
    { 
     argv[argc++] = word_start; 
    } 
    argv[argc] = NULL; 
    return argc; 
} 

：

int shell_execute(char **args) 
{ 
    for(int i = 0; i < 3; i++) 
    { 
     if(strcmp(args[0], commands[i]) == 0) 
     { 
      return (*standardFuncs[i])(args); 
     } 
    } 
    shell_launch(args); 
    return 0; 
} 

そして、メインループ

char* current_dir = malloc(sizeof(char)*PATH_MAX); 
    char* args[MAX_ARGS]; 
    char* command; 
    printf("dolphinShell (c) Alex Kale 2016\n"); 
    while (1) 
    { 
     getwd(current_dir); 
     printf("dsh: %s-> ", current_dir); 
     command = readCommand(); 
     printf("%s\n", command); 
     split_string_quotes(command, args, MAX_ARGS); 
     if(shell_execute(args) == -1) break; 
    } 
    free(current_dir); 
    return 0; 

ので、問題はいくつかのUnicode文字列は、私は仕事の罰金を入力してEXC_BAD_ACCESSを引き起こすことがないということですが、私はфывпфвыапыを入力すると、例えば、それが壊れます。私はこの問題はargs[0]へのアクセスにあると思いますが、ここでは、デバッガの出力です：

Printing description of args: 
    (char **) args = 0x00007fff5fbff900 
    *args char * 0x101800a00 0x0000000101800a00 
    Printing description of *(*(args)): 
    (char) **args = '\xd1' 

は、だから、args[0]が空であることを考えて、それが空でありますか？それとも、すべてゼロで混乱していますか？

私は本当に混乱しています。私は研究に多くの時間を費やしており、ここにこだわっているようです。

私もwchar_tとwcscmp()を使ってみましたが、execvp()とうまく動作せず、問題を解決しません。私もここにgcc -Wall -Wextraを試してきた

は出力です：

main.c:53:26: warning: comparison of integers of different signs: 'int' and 
     'size_t' (aka 'unsigned long') [-Wsign-compare] 
    for(p = source; argc < arg_count && *p != '\0'; p++) 
        ~~~~^~~~~~~~~~ 
main.c:92:30: warning: comparison of integers of different signs: 'int' and 
     'size_t' (aka 'unsigned long') [-Wsign-compare] 
    if(state != DULL && argc < arg_count) 
         ~~~~^~~~~~~~~~ 
main.c:124:23: warning: comparison of integers of different signs: 'int' and 
     'unsigned long' [-Wsign-compare] 
     if(++position >= sizeof(buffer)) 
      ~~~~~~~~~~^~~~~~~~~~~~~~~ 
main.c:180:18: warning: unused parameter 'args' [-Wunused-parameter] 
int dHelp(char **args) 
       ^
main.c:203:18: warning: unused parameter 'args' [-Wunused-parameter] 
int dExit(char **args) 
       ^
main.c:210:14: warning: unused parameter 'argc' [-Wunused-parameter] 
int main(int argc, const char** argv) 
      ^
main.c:210:33: warning: unused parameter 'argv' [-Wunused-parameter] 
int main(int argc, const char** argv) 
           ^
7 warnings generated. 

しかし、私はそれはケース（私が間違っているなら、私を修正）だとは思いません。

Answer 1

示されたコードには複数のバグがあります。

 char* cmd = buffer; 
     free(buffer); 
     return cmd; 

これは、削除されたcharバッファへのポインタを返します。このポインタを引き続き使用すると、未定義の動作が発生します。

 if(++position >= sizeof(buffer)) 

bufferは、char *である。これは、

 if(++position >= sizeof(char *)) 

ハードウェアプラットフォームに応じて4バイトまたは8バイトのいずれかになります。これは、4または8バイトよりも大きくなるたびに、バッファを不必要にサイズ変更します。

sizeof()はmalloc -edバッファのサイズを示していると思われるようです。それはしません。

最後に、全体的なアプローチは、大きなコードを書いて、それが正しく動作するかどうかを調べることです。これは間違ったやり方です。小さな関数を書く必要があります。 1つの行をバッファに読み込むものなど。試して。それが動作することを確認します。今すぐあなたがそれが動作することを知っている、あなたの全体のプログラムの次の小さな部分に移動して書き込む。

Answer 2

コードの大きなバグは、入力を読み取る方法です。この部分を見てください：ここで

if(character == EOF || character == '\n') 
{ 
    buffer[position] = '\0'; 
    char* cmd = buffer; 
    free(buffer); 
    return cmd; 
} 

あなたが必要として、あなたは、ゼロとbuffer終端されています。次に、cmdにのメモリと同じメモリを指すように割り当て、バッファを解放し、のメモリを解放したにポインタを戻します。この後で、返されたポインタを何かのために使用すると、それは許可されず、何かが起こる可能性があります。メモリはどこかで再利用することができます。アクセス違反を受けるか、近くに火山が噴出する可能性があります。

ポインタを別の変数に代入しても、メモリのコピーは作成されず、同じ場所を指し示すだけです。内容の使用を停止する前にメモリを解放することはできません。これがあなたの問題を引き起こしている可能性が最も高いです。