小端序与内存覆盖：一段UB的C++代码运行原理解析

首先明确：这段代码属于未定义行为（UB），因为它访问了数组x的越界元素x[3]。我们基于「编译器将全局变量连续排布、无额外优化」的假设场景，拆解其运行逻辑：

#include <stdio.h>

int x[] = {1, 2, 3};
char s[] = "hello";

int main()
{
    puts(s);
    x[3] = ('e' << 16) + ('y' << 8) + 'b';
    puts(s);
}

1. 假设非UB场景，内存中发生了什么，为何输出bye？ #

• 全局变量x和s在程序的全局数据段中连续排布（此处x在前，s在后）。
• x是包含3个int元素的数组，在32位系统中每个int占4字节，因此x共占用12字节内存。x[3]属于越界访问，对应的内存地址恰好是s数组的起始位置。
• 赋值语句计算后，得到的int值结构为：高8位是0，次高8位是'e'的ASCII码（101），中间8位是'y'的ASCII码（121），低8位是'b'的ASCII码（98）。这个int值的4个字节会被写入s数组的起始地址，覆盖s的前4个字节。

2. 为何bye的'e'后会自动插入空终止符？ #

• 原s数组的内容是'h' 'e' 'l' 'l' 'o' '\0'（共6字节）。
• 写入的int值的最高8位为0，在小端模式下，这个0字节会被存在s[3]的位置，刚好是字符串的空终止符'\0'。当puts函数输出时，遇到该终止符就会停止输出，因此最终显示bye。

3. 大小端序在此过程中起到了什么作用？ #

• 大小端直接决定了int类型数据在内存中的字节存储顺序：
  • 小端模式（x86架构主流）：int的低字节存储在低地址，高字节存储在高地址。因此赋值的int字节会按'b'、'y'、'e'、0的顺序依次写入s[0]到s[3]，形成'b' 'y' 'e' '\0'的有效字符串，最终输出bye。
  • 大端模式：int的高字节存储在低地址，此时s[0]会被写入0，puts会直接输出空字符串，无法得到bye的结果。可见这段代码能输出bye完全依赖系统是小端序。

内容的提问来源于stack exchange，提问作者SomeoneWithPassion