¿Por qué el argumento principal de C / C ++ se declara como "char * argv []" en lugar de solo "char * argv"?

¿Por qué se argvdeclara como "un puntero al puntero al primer índice de la matriz", en lugar de ser simplemente "un puntero al primer índice de la matriz" ( char* argv)?

¿Por qué se requiere la noción de "puntero a puntero" aquí?

Argv es básicamente así:

A la izquierda está el argumento en sí mismo: lo que en realidad se pasa como argumento a main. Que contiene la dirección de una matriz de punteros. Cada uno de esos puntos apunta a algún lugar en la memoria que contiene el texto del argumento correspondiente que se pasó en la línea de comando. Luego, al final de esa matriz, se garantiza que habrá un puntero nulo.

Tenga en cuenta que el almacenamiento real de los argumentos individuales al menos se puede asignar por separado, por lo que sus direcciones en la memoria pueden organizarse de manera bastante aleatoria (pero dependiendo de cómo se escriban las cosas, también podrían estar en un solo bloque contiguo de memoria: simplemente no lo sabes y no debería importarte).

Porque eso es lo que proporciona el sistema operativo :-)

Su pregunta es un poco un problema de inversión de huevo / gallina. El problema no es elegir lo que quieres en C ++, sino cómo dices en C ++ lo que te está dando el sistema operativo.

Unix pasa una serie de "cadenas", cada cadena es un argumento de comando. En C / C ++, una cadena es un "char *", por lo que una matriz de cadenas es char * argv [] o char ** argv, según el gusto.

Primero, como una declaración de parámetro, char **argves lo mismo que char *argv[]; ambos implican un puntero a (una matriz o conjunto de uno o más posibles) puntero (s) a cadenas.

A continuación, si solo tiene "puntero a char", por ejemplo, solo char *, para acceder al enésimo elemento, tendrá que escanear los primeros n-1 para encontrar el inicio del enésimo elemento. (Y esto también impondría el requisito de que cada una de las cadenas se almacene contiguamente).

Con la matriz de punteros, puede indexar directamente el enésimo elemento, por lo que (aunque no es estrictamente necesario, suponiendo que las cadenas son contiguas) generalmente es mucho más conveniente.

Para ilustrar:

./program hello world

argc = 3
argv[0] --> "./program\0"
argv[1] --> "hello\0"
argv[2] --> "world\0"

Es posible que, en una matriz de caracteres proporcionada por el sistema operativo:

            "./program\0hello\0world\0"
argv[0]      ^
argv[1]                 ^
argv[2]                        ^

si argv fuera solo un "puntero a char", podría ver

       "./program\0hello\0world\0"
argv    ^

Sin embargo (aunque probablemente por el diseño del sistema operativo) no existe una garantía real de que las tres cadenas "./program", "hello" y "world" sean contiguas. Además, este tipo de "puntero único a múltiples cadenas contiguas" es una construcción de tipo de datos más inusual (para C), especialmente en comparación con la matriz de punteros a cadena.

Por qué C / C ++ main argv se declara como "char * argv []"

Una posible respuesta es porque el estándar C11 n1570 (en §5.1.2.2.1 Inicio del programa ) y el estándar C ++ 11 n3337 (en la función principal §3.6.1 ) requieren que para entornos alojados (pero tenga en cuenta que el estándar C menciona también §5.1.2.1 entornos independientes ) Ver también esto .

La siguiente pregunta es ¿por qué los estándares C y C ++ optaron mainpor tener esa int main(int argc, char**argv)firma? La explicación es en gran medida histórica: C se inventó con Unix , que tiene un shell que hace glob antes de hacerlo fork(que es una llamada al sistema para crear un proceso) y execve(que es la llamada al sistema para ejecutar un programa), y que execvetransmite una matriz de argumentos del programa de cadena y está relacionado con el maindel programa ejecutado. Lea más sobre la filosofía de Unix y sobre ABI s.

Y C ++ se esforzó por seguir las convenciones de C y ser compatible con él. No pudo definirmain como incompatible con las tradiciones de C.

Si diseñó un sistema operativo desde cero (todavía tiene una interfaz de línea de comandos) y un lenguaje de programación para él desde cero, podrá inventar diferentes convenciones de inicio de programas. Y otros lenguajes de programación (por ejemplo, Common Lisp u Ocaml o Go) tienen diferentes convenciones de inicio de programas.

En la práctica, maines invocado por algún código crt0 . Tenga en cuenta que, en Windows, cada programa puede realizar el globbing en el equivalente de crt0, y algunos programas de Windows pueden comenzar a través del punto de entrada WinMain no estándar . En Unix, el shell lo realiza el shell (y crt0está adaptando el ABI y el diseño inicial de la pila de llamadas que ha especificado a las convenciones de llamada de su implementación en C).

En lugar de pensar en él como "puntero a puntero", es útil pensar en él como "matriz de cadenas", con []matriz de char*denotación y cadena de denotación. Cuando ejecuta un programa, puede pasarle uno o más argumentos de línea de comandos y estos se reflejan en los argumentos a main: argces el recuento de argumentos y le argvpermite acceder a argumentos individuales.

En muchos casos la respuesta es "porque es un estándar". Para citar el estándar C99 :

- Si el valor de argc es mayor que cero, los miembros de la matriz argv [0] a argv [argc-1] inclusive contendrán punteros a las cadenas , que el entorno host les otorga valores definidos por la implementación antes del inicio del programa.

Por supuesto, antes de que se haya estandarizado, K&R C ya lo estaba utilizando en las primeras implementaciones de Unix, con el propósito de almacenar parámetros de línea de comandos (algo que debe tener en cuenta en Unix shell como /bin/basho /bin/shno en sistemas integrados). Para citar la primera edición de "The C Programming Language" de K&R (pág. 110) :

El primero (convencionalmente llamado argc ) es el número de argumentos de línea de comandos con los que se invocó el programa; el segundo ( argv ) es un puntero a una matriz de cadenas de caracteres que contienen los argumentos, uno por cadena.