Daily C/C++ printf中的一个小问题

printf中的一个小问题

今天的问题由这样一段小的代码引入

int main() {
    short x = -1;
    printf("%u", x);
    return 0;
}

直觉上来说，这段代码的输出应该是65535，因为65535是双字节无符号数所能表达的最大的值。

正常来说，我们输出负数使用的是%d，这里虽然我们使用了%u，但是他的输出结果并不是我们想象的65535，而是4294967295。这是四字节的数所能表示的最大值。

但是为什么是这样的呢？按照我曾经的理解，printf不过是用一个指针逐步解析我们的参数。所以即便这里的格式符是u，我们的x也是不变的，他在内存中的表示应该是ffff ffff ???? ????，后面的问号表示的不确定。

为了验证这个说法，我们首先看一下他的内存布局

是没错的

所以我们输出的时候应该会用u来解析这段内存，然后得到一个奇怪的数才对。但是这里我们总是得到了那个INT_MAX。所以肯定是哪里出现了类型转换

在探究问题的过程中，我参考了标准库中的printf的源码，以及printf依赖的vfprintf的源码。但是都没有找到答案

而且vfprintf的源码较为复杂，所以我使用了一个比较简单的方法来进行debug

从这里开始我将按照我曾经的步骤一步一步讲解解决问题的逻辑

首先我们用gdb来跟到vfprintf中来确认。因为在阅读vfprintf的代码的过程中，我发现他传入的参数是指针类型，所以应该不会发生显式的类型转换，但是为了验证我的猜测，我们还是实践看一看

这里我们单步来到vfprintf中

可以看到他有四个参数传入进来，分析printf中调用的方式我们可以猜测出，第一个参数是文件描述符，这里是stdout，第二个参数就是格式串，第三个是va_list，第四个是模式标志。这里我们只关心第三个参数，也就是变参结构体，里面储存了我们想要的信息。

输出出来看一下

看起来很奇怪，但是我们可以去搜索一下相关的资料

很幸运，我找到了一个讲解这个结构的文章，文章里面提到了reg_save_area加上gp_offset就是我们整形参数储存的位置

我们输出一下试试

可以看到，是四字节的-1。这里是vfprintf的入口处，所以转化是发生在进入vfprintf之前。

我们重新来，这次我们已经知道了最终变量存放的地址，所以我们这次单步执行，并且每次都去检查一下这个地址，最终我们可以锁定到这里

通过看源码我们可以知道，变换的位置是在va_begin中，也就是变参的预处理中

然后我们看这段反汇编的指令，从0到34这段是不是感觉很熟悉，这段代码在依次的把寄存器中的变量传入到栈中。联想到printf变参的原理，我们就可以了解到是这里把我们传入printf的参数一步一步压入到栈中，然后我们就可以通过指针的移动来解析这里的变量

然后再继续想，既然这一段是用来将变量压入栈中的话，根据以前CSAPP中模糊的记忆，rdi是作为第一个参数，这里是传给了r10。那么我们可以猜到，这一定就是格式串的地址了，我们尝试输出一下

大家可以回去看一下上面vfprintf中的格式串的地址，就是这个

那么rsi就是我们传入的x了，为了进一步的验证，我们输出一下rsp+28的值看看

果然就是我们刚才变量的地址

然后怀着激动的心情输出一下rsi看一下

是四个字节的-1，说明转换在这里之前发生。

那想必一定在main中了。我们去反汇编一下看看

可以看到，这里我们首先是把0xffff给了栈中的一个空间，movw也可以看出这里一定就是x的赋值的过程了。

然后他使用movswl进行带符号的拓展，将双字节拓展到四字节。然后将结果放到了eax中。之后又传入到esi中

那么到这里我们就可以明确我们的答案了，当将x作为参数传递时，进行了符号拓展，导致解析出了更大的无符号整数

那么想一下，为什么他要进行无符号拓展呢，我们的参数为什么一定要按照四字节的传入呢？而且在使用的过程中也可以发现，我们是在使用rax等寄存器。肯定是因为涉及到对齐效率相关的因素。而且寄存器一次传多少位都是那点时间，但是处理对齐的额外计算就不一定了。

那么同样的道理，假如我们使用%d来输出一个无符号的short时，会发生错误吗？

答案是不会的，因为无符号数使用的是无符号拓展，即便是标识符错了，也不会影响到我们最终解析的结果。