c语言 - 具有异常内存字大小的"char*"(高德纳的MIX架构)

Question

最初的MIX体系结构具有6位字节，内存寻址为31位字（5个字节和一个符号位）。作为一个思考练习，我想知道C语言如何在这种环境中发挥作用，给定：

• char至少有8位（C99规范附件E）
• C99规范第6.3.2.3节（"指针"）第8段说："当指向对象的指针转换为指向字符类型的指针时，结果指向对象的最低寻址字节。结果的连续增量，直到对象的大小，产生指向对象剩余字节的指针。"。我对这一要求的解释是，它支持"memcpy（&dst_obj，&src_obj，sizeof（src_obji））"

我能想到的方法：

1. 将char设为31位，因此通过"char*"进行间接访问是一种简单的内存访问。但这会使字符串变得浪费（这意味着它不符合POSIX，因为它显然需要8位字符）
2. 将三个8位字符打包为一个单词，其中有7个被忽略的位："char*"可能由单词地址和其中的字符索引组成。然而，这似乎违反了6.3.2.3，即memcpy（）必然会跳过被忽略的比特（这可能对真实对象类型有意义）
3. 将字符完全打包到字中，例如，第四个8位字符在字0中有7位，在字1中有一位。然而，这似乎需要所有对象的大小都是8位字符，例如，不能声明"uint31_t"来匹配单词长度，因为这再次存在memcpy（）问题

因此，这似乎留下了使用31位字符的第一个（浪费的）选项，所有对象的大小都是字符的倍数——我这样读对吗？

Answer 1

我同意在MIX架构上实现C可能会很痛苦，尽管我自己不是一名语言律师，但在我看来，你指出你的方法1是正确的。作为唯一符合要求的。

无论如何，字符串的空间浪费是最小的问题：您可以通过使用比C本身更古老的解决方案来规避它：使每个char代表多个字母。例如，对于MIX架构，您可以设计一个7位编码，并将4个字母打包到每个字符中：

char hi[4];
hi[0] = 'hell';
hi[1] = 'o, w';
hi[2] = 'orld';
hi[3] = '';
printf("%s", hi);
// Whoops, we forgot the exclamation mark
putchar('!n');

这个实现看起来很奇怪，但根据维基百科的说法，它被用于有史以来第一个"你好世界"程序。我看了一下标准，没有发现任何阻碍，即使是在C11中。特别是§6.4.4.4允许以特定于实现的方式对文字字符和字符串进行编码。

编辑：

这无助于解决其他困难，主要的困难是您无法使用机器的大部分可能指令，因为您无法使用本机C类型寻址单个字节。然而，您可以通过以下方式使用位字段：

typedef struct _bytes {
    unsigned int sign  : 1;
    unsigned int byte1 : 6; // EDIT: bitfields must be 
    unsigned int byte2 : 6; // declared as ints in standard C
    unsigned int byte3 : 6;
    unsigned int byte4 : 6;
    unsigned int byte5 : 6;
} bytes;
typedef union _native_type {
    char as_word;
    int as_int; // int = char; useful for standard library functions, etc.
    bytes as_bytes;
} native_type;

请注意，在C++中，由于有严格的别名规则中的子句，您必须小心始终在访问int和访问bytes之间访问char成员，因为以下代码段：

native_type a, b;
a.as_int = 0xC11BABE;
b.as_bytes.byte4 = a.as_bytes.byte4; // Whoops

将产生未定义的行为：有关详细信息，请参阅此处。

Answer 2

最实用的方法可能是使int为30位，并使char为10或15。对char使用10位将允许ASCII文本被更紧密地打包，但由于需要除以3，将增加索引到char数组的成本。使用10字节或15字节的char，Unicode文本的存储可能相当高效。对于15字节的char，大约30720个码点将占用15个比特，其余的将占用30个比特。对于10字节的char，128个代码点将占用10位，65408将占用20位，其余部分将占用30位。

为了减少除以3的成本，使每个char*包含两个单词可能是有帮助的；一个将识别包含该字符的单词，另一个将以字符为单位识别该单词开头的偏移量。向已知被规范化的指针添加常量偏移量可以使用以下代码：

p += 5; // Becomes...
if (p.offset) { p.offset=2; p.base+=1; }
else { p.offset--; p.base+=2; }

不太好，但这将避免任何"分裂"步骤的需要。