c++ - std::string 引用、std::regex 和 boost::filesystem 的基本概念

Question

下面，我生成了损坏的代码和相同版本的修复版本。问题是我无法向自己完全解释为什么前者不起作用而后者起作用。显然，我需要复习 C++ 语言的一些非常基本的概念:您能否提供关于我应该复习哪些内容的指示，并可能还解释为什么我会得到我用损坏的代码得到的结果。

在代码中提到的'../docs/'目录下，我只是在linux上使用'touch'命令创建了多个不同长度的doc......html文件。

#include <iostream>
#include <regex>
#include <boost/filesystem.hpp>

namespace fs = boost::filesystem;

int main() {
        fs::path p("../docs/");

        for (auto& dir_it : fs::directory_iterator(p)) {
                std::regex re = std::regex("^(doc[a-z]+)\\.html$");
                std::smatch matches;
                // BROKEN HERE:
                if (std::regex_match(dir_it.path().filename().string(), matches, re)) {
                        std::cout << "\t\t" <<dir_it.path().filename().string();
                        std::cout << "\t\t\t" << matches[1] << std::endl;
                }
        }

        return 0;
}

产生:

        documentati.html                        ati
        documentationt.html                     �}:ationt
        document.html                   document
        documenta.html                  documenta
        docume.html                     docume
        documentat.html                 documentat
        docum.html                      docum
        documentatio.html                       ��:atio
        documen.html                    documen
        docu.html                       docu
        documentation.html                      ��:ation
        documaeuaoeu.html                       ��:aoeu

注意 1:上面的错误是由超过一定长度的文件名触发的。我只知道这是因为 std::string 对象正在调整自身的大小。

注意 2:上面的代码与下面问题中使用的代码非常相似，但是用 boost::regex_match 代替了 std::regex_match: Can I use a mask to iterate files in a directory with Boost?
它以前也适用于我，但现在我使用 GCC 5.4 而不是 GCC 4.6，std::regex 而不是 boost::regex，C++11 和更新版本的 boost::filesystem。哪个更改是相关的，导致工作代码被破坏？

固定:

#include <iostream>
#include <regex>
#include <boost/filesystem.hpp>

namespace fs = boost::filesystem;

int main() {
        fs::path p("../docs/");

        for (auto& dir_it : fs::directory_iterator(p)) {
                std::regex re = std::regex("^(doc[a-z]+)\\.html$");
                std::smatch matches;
                std::string p = dir_it.path().filename().string();
                if (std::regex_match(p, matches, re)) {
                        std::cout << "\t\t" <<dir_it.path().filename().string();
                        std::cout << "\t\t\t" << matches[1] << std::endl;
                }
        }

        return 0;
}

产生:

        documentati.html                        documentati
        documentationt.html                     documentationt
        document.html                   document
        documenta.html                  documenta
        docume.html                     docume
        documentat.html                 documentat
        docum.html                      docum
        documentatio.html                       documentatio
        documen.html                    documen
        docu.html                       docu
        documentation.html                      documentation
        documaeuaoeu.html                       documaeuaoeu

使用 boost 1.62.0-r1 和 gcc (Gentoo 5.4.0-r3)，boost::filesystem 文档似乎没有提供任何关于 path().filename().string() 返回内容的明确指示: http://www.boost.org/doc/libs/1_62_0/libs/filesystem/doc/reference.html#path-filename
看来这取决于:
Why does boost::filesystem::path::string() return by value on Windows and by reference on POSIX?

Answer 1

std::smatch 不会存储组成匹配的字符的拷贝，而只会将迭代器对存储到被搜索的原始字符串中。

第一个片段将临时字符串传递给 std::regex_match。当您开始检查 matches 时，该字符串已经消失，matches 持有的迭代器都悬空了。然后，程序会通过尝试使用它们来表现出未定义的行为。

在第二个片段中，传递给 std::regex_match 的字符串在使用 matches 时仍然存在，所以一切正常。

---

注意 1: 根据文件名长度的不同，问题表现不同可能是由于小字符串优化所致。 std::string 实现通常在类实例中保留一个小缓冲区，并在那里存储短字符串；而较长的字符串分配在堆上。有可能之前被 temp string 占用的堆栈空间仍然完好无损，而堆空间已被重新用于其他分配。该程序以任何一种方式表现出未定义的行为 - “似乎可以工作”是 UB 的一种可能表现形式。

---

注意 2: path::string() 是按值返回还是按引用返回并不重要。 path::filename() 按值返回，所以 dir_it.path().filename().string() 无论哪种方式都会过早被销毁，无论它是成员临时 dir_it.path().filename() 对象，或由 string() 即时制造。