为什么这些C / Cython数组被定义为字符数组而不是整数数组？

Question

为了回答在StackOverflow上提出的第 #3367795 的问题，我需要解决一些小问题。其中一个问题是：在这个算法（莱文斯坦距离）中，内存中分配了几个数组，并用以下代码进行了初始化。

cdef char   *m1     = <char *>calloc(   blen + 2,    sizeof( char ) )
cdef char   *m2     = <char *>calloc(   blen + 2,    sizeof( char ) )
cdef char   *m3     = <char *>malloc( ( blen + 2 ) * sizeof( char ) )
#.........................................................................
for i from 0 <= i <= blen:
  m2[ i ] = i
  <...snip...>

blen 这里指的是一个Python bytes 变量的长度。根据我对这个算法的理解（完整代码可以查看我的原始帖子），以及初始化 m2 的代码清楚地显示，这些数组是用来存放整数，而不是字符，所以我们可能会认为正确的分配方式应该是这样的：

cdef int    *m3     = <int *>malloc( ( blen + 2 ) * sizeof( int ) )

等等。有没有人能告诉我，为什么这里用到了 char？另外，对于那些对Cython感兴趣的人来说，为什么会有一个 <char *> 的转换？我们本来会认为 char *x = malloc( ... ) 就足够定义 x 了。

Answer 1

尽管名字有点误导，但在C语言中，char类型其实是普通的整数类型，就像short、int、long这些一样。在所有整数类型中，char的范围是最小的，占用的内存也最少。所以，如果你的应用程序需要尽量节省内存，使用char而不是int可能会更合适。

在某些硬件平台上，int类型的运算速度可能比char类型快，因此选择具体的类型就变成了速度和内存的权衡。不过，再次强调，在很多情况下，如果char的范围足够用，使用char而不是int可能会更合理。

Answer 2

简单来说，使用这种方式是为了节省内存。不过要注意，声明这些数组为 char 类型会限制结果的范围，要么是127，要么是255，这取决于你的C编译器是默认使用 signed char 还是 unsigned char。在C语言中，char 是一种整数类型，你不需要用 ord() 来获取它的整数值。

你原来的代码没有提到这个限制。要注意，如果一个 char 溢出，它会默默发生，这样代码就会产生错误的结果——比如127加1会变成-128（有符号的）；255加1会变成0（无符号的）。

你没有回复我对你原问题的评论：“你的字符串的(a)最大长度和(b)平均长度是多少？如果这两个字符串完全不相似，真的需要做O(M*N)的复杂度吗？”……请现在回答这个问题（编辑你的问题）；如果你当时回答了这个问题，那么你就能得到答案了。

更新：再次阅读原帖，我发现了一个问题：读取的代码

m1, m2 = m2, m1
strcpy( m3, m2 )

在三个方面是错误的：（1）它没有正确地打乱行（应该在交换 m1 和 m2 之前使用 strcpy()） （2）strcpy() 不会复制第一个空字符（零字节）之后的内容 （3）其实不需要复制任何东西，只需要打乱指针即可。

m3, m2, m1 = m2, m1, m3