一、字符串的存储与表示
表示方式 结构特点 示例语言/环境
C 风格（以 \0 结尾） 需遍历找结束符，长度 O(n)，易溢出 C/C++ 字面量
Pascal 风格（长度前缀） 第一个字节存储长度，最大 255 Delphi / 老式 Pascal
带长度与容量结构 独立存储 len 和 cap，支持动态扩容 C++ std::string，Rust String
短字符串优化 (SSO) 小字符串存放在对象内部栈上，避免堆分配 libstdc++、LLVM libc++
写时复制 (COW) 共享数据，修改时才复制（已少用） 旧版 GCC std::string
二、字符编码
编码 特点 陷阱
ASCII 7 位，128 个字符 无法表示中文等
GB2312 / GBK 中文双字节，兼容 ASCII 与 UTF‑8 互认乱码
UTF‑8 变长 1~4 字节，兼容 ASCII 字符 ≠ 字节，需正确处理多字节
UTF‑16 2 或 4 字节，Windows 常用 代理对（surrogate pair）
UTF‑32 定长 4 字节，简单但空间大 内存浪费
BOM (Byte Order Mark) U+FEFF，标识大小端 某些协议/JSON 不建议使用
关键点：
· len() 在不同语言中可能是字节数（Go/C）、码点数（Python 3）、或者 UTF‑16 单元数（Java）。
· 反转、索引、子串操作必须考虑编码边界。
三、基本操作与复杂度
操作 典型实现复杂度 备注
拼接（concat） O(n + m) 不可变字符串会产生新对象，多次拼接用 StringBuilder
子串（substring） O(1) ~ O(k) Java 早期共享字符数组（可能内存泄漏），Go 重新分配
查找（indexOf） 朴素 O(n*m) 应使用 KMP / BM / 内置优化
替换（replace） O(n) 正则替换可能更慢
分割（split） O(n) 注意正则转义
四、匹配与搜索算法
算法 时间复杂度 场景
朴素匹配 O((n-m+1)*m) 小文本或教学
KMP O(n + m) 单模式、反复回退时（如流式匹配）
Boyer‑Moore 最好 O(n/m)，最坏 O(n*m) 大文本、长模式，实际极快
Rabin‑Karp O(n + m)，最坏 O(n*m) 多模式、滚动哈希
Aho‑Corasick O(n + Σ 所有模式总长) 同时匹配多个模式（敏感词过滤）
正则表达式 一般线性，但可能指数级回溯 匹配复杂模式，避免灾难性回溯
五、常见算法题型
5.1 双指针 / 滑动窗口
· 无重复最长子串
· 最小覆盖子串
· 字符串排列（异位词）
5.2 动态规划
· 最长公共子序列 (LCS)
· 编辑距离 (Levenshtein)
· 正则表达式匹配 (* 和 .)
· 交错字符串
5.3 回文
· 中心扩展法 O(n²)
· Manacher 算法 O(n) 求最长回文子串
5.4 前后缀 / 子序列
· KMP 的 next 数组应用（重复子串周期）
· 最短回文（在头部补字符）
· 判断子序列（可预处理下一字符位置）
5.5 字典树 (Trie)
· 前缀匹配、自动补全
· 单词搜索（二维网格）
· 最长公共前缀
5.6 后缀结构
· 后缀数组 + LCP 数组（用于重复子串、不同子串数）
· 后缀自动机 (SAM) 的 O(n) 构造
六、安全风险
漏洞类型 典型案例 防御措施
缓冲区溢出 C 的 gets()、strcpy() 未检查长度 使用 fgets()、strncpy() 或 C++ std::string
格式化字符串 printf(user_input) → 任意内存读写 固定格式：printf("%s", user_input)
SQL 注入 "SELECT * FROM users WHERE name = '" + name + "'" 参数化查询 / 转义
命令注入 system("ping " + ip) 使用 API 列表或严格过滤
正则拒绝服务 (ReDoS) (a+)+b 匹配 aaaaaaaaaaX 导致指数回溯 使用非回溯引擎、超时、避免嵌套量词
路径遍历 ../../etc/passwd 规范路径、白名单校验
七、不同语言的字符串特性速览
语言 不可变？ 底层 性能注意点
Java 是（String） UTF‑16 数组 + coder 标识 拼接用 StringBuilder，substring 旧版可能持有大数组
Python 是 灵活表示（Latin1/UTF‑16/UTF‑32） 多次拼接用 join()，切片 O(k)
Go 否（底层只读视图） UTF‑8 字节数组，string 不可变 转换 []byte 复制，+ 拼接会重新分配
C++ 否（std::string 可变） 通常带 SSO c_str() 返回的指针在修改后失效
Rust 否（String 可变） UTF‑8，&str 为切片 索引需用 chars() 或 bytes()，避免按字节截断
八、优化技巧总结
· 预分配容量：已知最终长度时，用 reserve() 减少动态扩容。
· 避免重复转换：如循环内反复 toLowerCase() 或编码转换。
· 使用原始字符串：减少转义（如正则、路径）。
· 利用内存布局：连续数组上的 SIMD 指令可加速查找、比较（如 glibc 的 memcmp 用 SSE/AVX）。
· 字符串池（intern）：相同内容的字符串复用对象（Java intern()，Python 自动对小字符串驻留）。