C 什么是 ""first[a[c] -'a' ]++;"

Question

我在我的学校开始使用 C 并且(因为我正在慢慢结束)我遇到了一个关于编程 anagram 检查器的问题。经过一番思考，除了为每个特定字母设置一个单独的计数器之外，我仍然想不出任何其他东西，如果计数器匹配，那将是一个字谜。但这似乎写起来太长了(尤其是在纸上)。所以我通过谷歌搜索某种答案，寻找一个变位词求解器并设法找到了一些代码，但有一件事我不明白:

#include <stdio.h>

int check_anagram(char [], char []);

int main() {
   char a[100], b[100];
   int flag;

   printf("Enter first string\n");
   gets(a);

   printf("Enter second string\n");
   gets(b);

   flag = check_anagram(a, b);

   if (flag == 1)
      printf("\"%s\" and \"%s\" are anagrams.\n", a, b);
   else
      printf("\"%s\" and \"%s\" are not anagrams.\n", a, b);

   return 0;
}

int check_anagram(char a[], char b[]) {
    int first[26] = {0}, second[26] = {0}, c = 0;

    while (a[c] != '\0') {
        first[a[c] - 'a']++;
        c++;
    }

    c = 0;

    while (b[c] != '\0') {
        second[b[c] - 'a']++;
        c++;
    }

    for (c = 0; c < 26; c++) {
        if (first[c] != second[c])
            return 0;
    }

    return 1;
}

起初我认为这对长度超过 26 个字母的字谜不起作用，所以我尝试了一些长度超过 26 个的随机字符串，它确实有效。然而，当我浏览代码时，我发现我无法理解什么:first[a[c]-'a']++; 和 second[b[c]-'a']++;意思是。有人可以澄清这是什么，它做什么，或者至少我应该寻找什么来实现这些事情，因为它在我的脑海中加起来不太好。

编辑 1- 首先你们的速度很快...- 其次，如果我理解正确的话，这个程序应该不能很好地处理大写字母或不同的大写字母(例如:HELLO 和 hello)？

Answer 1

这是一个常用的技巧，真的:a是一个字符数组，每个字符都是一个ASCII值(即numeric，int兼容)，所以你可以在数学表达式中使用它。 c是一个int，用于遍历字符数组a。假设 a 中的所有字符都是小写字母，那么表达式

a[c] - 'a'

a 的计算结果为 0，b 的计算结果为 1，依此类推。因为 first 是一个整数数组，长度为 26 (int first[26])，每个小写字母都有一个有效的对应索引 ('a' - ' a' = 0, 'z' - 'a' = 25), 所以你基本上是在计算每个字符的出现次数。 second[b[c] - 'a']++ 对第二个字符串执行完全相同的操作:计算字符串中每个字母的出现次数。
最后，您将遍历这些字母计数数组，比较每个字母的值 (occ.count)。如果所有字母在两个字符串中出现的次数相同，那么您正在处理一个变位词。如果不是，您将返回 0。

这个技巧更常用于将数字转换为整数:

char foo[] = "123";
int result = 0;
for (int i=0;foo[i] != 0;++i)
    result = result * 10 + (foo[i] - '0');
printf("String: %s vs int: %d\n", foo, result);

demo

为了完整起见，所有 ASCII 字符及其对应的十进制(即 int)值:

Char  Dec  Oct  Hex | Char  Dec  Oct  Hex | Char  Dec  Oct  Hex | Char Dec  Oct   Hex-------------------------------------------------------------------------------------(nul)   0 0000 0x00 | (sp)   32 0040 0x20 | @      64 0100 0x40 | `      96 0140 0x60(soh)   1 0001 0x01 | !      33 0041 0x21 | A      65 0101 0x41 | a      97 0141 0x61(stx)   2 0002 0x02 | "      34 0042 0x22 | B      66 0102 0x42 | b      98 0142 0x62(etx)   3 0003 0x03 | #      35 0043 0x23 | C      67 0103 0x43 | c      99 0143 0x63(eot)   4 0004 0x04 | $      36 0044 0x24 | D      68 0104 0x44 | d     100 0144 0x64(enq)   5 0005 0x05 | %      37 0045 0x25 | E      69 0105 0x45 | e     101 0145 0x65(ack)   6 0006 0x06 | &      38 0046 0x26 | F      70 0106 0x46 | f     102 0146 0x66(bel)   7 0007 0x07 | '      39 0047 0x27 | G      71 0107 0x47 | g     103 0147 0x67(bs)    8 0010 0x08 | (      40 0050 0x28 | H      72 0110 0x48 | h     104 0150 0x68(ht)    9 0011 0x09 | )      41 0051 0x29 | I      73 0111 0x49 | i     105 0151 0x69(nl)   10 0012 0x0a | *      42 0052 0x2a | J      74 0112 0x4a | j     106 0152 0x6a(vt)   11 0013 0x0b | +      43 0053 0x2b | K      75 0113 0x4b | k     107 0153 0x6b(np)   12 0014 0x0c | ,      44 0054 0x2c | L      76 0114 0x4c | l     108 0154 0x6c(cr)   13 0015 0x0d | -      45 0055 0x2d | M      77 0115 0x4d | m     109 0155 0x6d(so)   14 0016 0x0e | .      46 0056 0x2e | N      78 0116 0x4e | n     110 0156 0x6e(si)   15 0017 0x0f | /      47 0057 0x2f | O      79 0117 0x4f | o     111 0157 0x6f(dle)  16 0020 0x10 | 0      48 0060 0x30 | P      80 0120 0x50 | p     112 0160 0x70(dc1)  17 0021 0x11 | 1      49 0061 0x31 | Q      81 0121 0x51 | q     113 0161 0x71(dc2)  18 0022 0x12 | 2      50 0062 0x32 | R      82 0122 0x52 | r     114 0162 0x72(dc3)  19 0023 0x13 | 3      51 0063 0x33 | S      83 0123 0x53 | s     115 0163 0x73(dc4)  20 0024 0x14 | 4      52 0064 0x34 | T      84 0124 0x54 | t     116 0164 0x74(nak)  21 0025 0x15 | 5      53 0065 0x35 | U      85 0125 0x55 | u     117 0165 0x75(syn)  22 0026 0x16 | 6      54 0066 0x36 | V      86 0126 0x56 | v     118 0166 0x76(etb)  23 0027 0x17 | 7      55 0067 0x37 | W      87 0127 0x57 | w     119 0167 0x77(can)  24 0030 0x18 | 8      56 0070 0x38 | X      88 0130 0x58 | x     120 0170 0x78(em)   25 0031 0x19 | 9      57 0071 0x39 | Y      89 0131 0x59 | y     121 0171 0x79(sub)  26 0032 0x1a | :      58 0072 0x3a | Z      90 0132 0x5a | z     122 0172 0x7a(esc)  27 0033 0x1b | ;      59 0073 0x3b | [      91 0133 0x5b | {     123 0173 0x7b(fs)   28 0034 0x1c |       62 0076 0x3e | ^      94 0136 0x5e | ~     126 0176 0x7e(us)   31 0037 0x1f | ?      63 0077 0x3f | _      95 0137 0x5f | (del) 127 0177 0x7f

In short, then: read first[a[c] -'a']++; as though it says:

first[a[c] - 97]++;//a[c] will be value between 97 and 122 so first[0..25]++

---

更新

由于您不是 100% 了解在处理大写字符串时可能出现的问题，下面是如果您传递 "FOO" 和“OOF” 到您的函数:

int first[26] = {0};// valid indexes are 0 to 25
//if a[c] == 'F', this evaluates to first[65-97] or first[-32]
first[a[c] - 'a']++;//DANGER: Out of bounds!

您可能没有立即注意到问题的原因很简单，因为您将一个字符数组(一个字符串)传递给您的函数。一旦传递给函数，数组就会衰减为指针。可以说，数组几乎总是衰减为指针:

The definition of the subscript operator [] is that E1[E2] is identical to (*((E1)+(E2))).

这意味着写a[c]和写*(a+c)是一样的，写first[a[c] - ' a'] 等同于:*(first + (a[c] - 'a'));，在这种情况下可以计算为 first[-32] ，这当然与 *(first - 32); 相同。
这要求您的机器获取 first[0] 的地址，并向后移动 32 步(每一步都是 sizeof(int))。您无法知道正在访问的内存中有什么:陷阱值、其他变量……任何事情都可能发生。此类表达式的行为未定义。

要解决此问题，您可以检查以确保字符在 a-z 范围内，如下所示:

if (a[c] > 96 && a[c] <= 'z')//96 == 'a' -1
   first[a[c] -'a']++;
else
    return -1;//indicate error

或简单地转换为小写:

首先[tolower(a[c]) - 'a']++;

调用 tolower 天真地假设 a 中的字符将是大写或小写字母。这不一定是这种情况，所以如果我是你，我会同时做:转换为较低的，然后检查生成的字符是否确实是一个字母(理论上，你的函数可以接收像 这样的字符串” foo: 123!"，包含空格、数字和其他字符)。

解决越界访问的最简单修复 + ASCII 与 EBCDIC

总而言之，您可以简单地将first 和second 的大小增加到256，然后这样写:

first[a[c]]++;
//and
second[b[c]]++;

这解决了大小写问题，也解决了 EBCDIC 与 ASCII 的问题。检查字谜时，您可以安全地跳过第一个元素(first[0] 现在只计算终止 nul 字符，这无论如何都没有用)。