同樣的 Object Pascal 原始碼在 Delphi 和 FPC/Lazarus 下,可能會在四個方面表現出不同的行為,且這四點一再地反咬 PDFium 元件的程式碼:FPC 會在 in 成員測試還沒讀取完畢前,就處置掉函式回傳紀錄的暫時變數 (temporary variables);dcc32 預設關閉了範圍檢查,所以超出邊界的陣列索引會默默地讀取垃圾資料;只有 Delphi 13 接受將匿名的 array of Byte 指派給 TBytes 而不需要轉型 (cast);而 Delphi 的 AnsiString 串接,可能會透過一個隱藏的字碼頁 (code-page) 往返轉換,破壞掉 $80 或以上的位元組。這當中的每一項都會產生一套在一種編譯器上是綠燈,在另一種編譯器上卻是紅燈(或者更糟的是,默默出錯)的測試套件
如果您是第一次設定雙編譯器專案,Lazarus 和 FPC 檢視器演練涵蓋了順利的路線:套件、搜尋路徑,以及讓渲染視窗出現在螢幕上。這篇文章是教學的相反,講的是順利路線跑通之後容易出錯的事:一個在其中一邊通過的變更,卻在另一邊引爆。下面每一個陷阱都附帶最小重現範例、根本原因,以及我們據此標準化下來的規則
為什麼一個集合在 FPC 下讀取是空的,但在 Delphi 中卻不是?
一句話總結:FPC 可能會在讀取函式回傳紀錄某個欄位的表達式完成之前,就把保存該回傳紀錄的暫時變數終結 (finalize) 掉,所以 X in Func().Issues 可能對一個已經釋放的集合做成員測試,而同等的 Delphi 表達式卻能正常運作。測試斷言正是最常踩到它的地方:PDF/E 驗證器回傳一個紀錄,其 Issues 欄位是一組違規旗標的集合,把呼叫行內化寫在斷言裡再自然不過
// 在 FPC 下不可靠:函式回傳紀錄的暫時變數
// 可能會在 'in' 測試讀取 Issues 之前就被釋放
AssertTrue(pveiLzwUsed in ValidateAnsi(Pdf).Issues);
// 在兩種編譯器上都可靠:先將結果固定到區域變數
var
Vr: TPdfEValidationResult;
begin
Vr := ValidateAnsi(Pdf);
AssertTrue(pveiLzwUsed in Vr.Issues);
end;
行內化的形式在 FPC 下讀取到的集合是空的,所以每個預期要有旗標的斷言都失敗了,而完全一樣的 Delphi 建置卻通過了。根本原因是兩種編譯器在管理大型表達式內部函式回傳暫時變數生命週期的方式不同:Delphi 會讓暫時變數存活到敘述 (statement) 結束,而 FPC 處置紀錄暫時變數的動作,可能會與仍在讀取它的集合成員運算子 (set-membership operator) 發生競爭 (race)。這種壞掉的寫法看起來夠自然,即使您把這個行為記錄過一次,它還是會悄悄爬回來。修復方式是機械化的,且值得採用為一項全面性的規則:永遠不要將欄位存取或集合測試直接串接在回傳紀錄的函式呼叫上;先把結果指派給一個區域變數,然後再讀取欄位。這只需要一行程式碼,就能消除一整個類別與編譯器相依的不穩定性
為什麼 Delphi 接受了一個 FPC 拒絕編譯的陣列索引?
一句話總結:dcc32 會編譯一個超出固定邊界陣列範圍的索引,並且在其預設的範圍檢查關閉的情況下,在執行階段默默讀取或寫入相鄰的記憶體而沒有任何錯誤,而 FPC 在編譯時就會拒絕同一個索引。PDFium 元件把 QuadPoints 宣告為 1 起算的陣列,TQuadrilateralPoint = array [1..4] of TPdfPoint,與 PDF 的 QuadPoints 條目慣用的編號方式一致。一個用直覺的 0-based 迴圈來填滿它的示範程式,在 Delphi 下看起來能正常運作
var
I: Integer;
begin
for I := 0 to 3 do // 錯誤:陣列是 [1..4]
Data.AttachmentPoints[I] := Corner[I]; // dcc32 預設:編譯通過,索引 0
// 默默觸碰相鄰記憶體
// FPC:編譯期範圍檢查錯誤
for I := Low(TQuadrilateralPoint) to High(TQuadrilateralPoint) do
Data.AttachmentPoints[I] := Corner[I - 1]; // 在兩種編譯器上都正確
end;
Delphi 的建置是一個偽陽性 (false positive):在範圍檢查關閉(dcc32 預設值)的情況下,索引 0 落在紀錄中排在該陣列前面的任何欄位上,示範程式看起來照常在跑。同一份程式碼放到 Lazarus 下,FPC 立即產生編譯期的範圍檢查錯誤。quad points 的註解應用面在quad-points 註解文章中有涵蓋。這件事帶來兩個教訓。首先,只要陣列型別在構造上不是 0 起算,就用 Low() 和 High(),別用字面常數 (literal) 邊界。其次,把一次 FPC 編譯,或至少一次開啟 {$R+} 的 Delphi 建置,當作任何新示範程式或測試的強制性首輪關卡:dcc32 的預設值不會告訴您這類錯誤,而一個會跑的程式不能作為它正確的證據
只有 Delphi 13 接受的 TBytes 指派
一句話總結:將宣告為匿名 array of Byte 的欄位指派給一個 TBytes 變數,在 Delphi 13(編譯器版本 37.0)能編譯,但在 Delphi 12 Athens 與所有更早版本上失敗,出現 E2010 Incompatible types: 'TArray<Byte>' and 'Dynamic array'。這與其說是 Delphi 對決 FPC 的分歧,不如說是 Delphi 對決它自己過去的分歧,但它以同樣的方式咬傷了同一個多編譯器程式碼庫:最新版的編譯器悄悄地接受了一個其他所有版本都拒絕的語法結構
type
TValidator = class
private
FBuffer: array of Byte; // 匿名的動態陣列類型
end;
var
OrigBytes: TBytes;
begin
OrigBytes := FBuffer; // 僅限 Delphi 13;在 Delphi 12
// Athens 及更早版本會出現 E2010
OrigBytes := TBytes(FBuffer); // 到處都能編譯;相同的位元組配置,
// 安全的強制轉型
end;
在 Delphi 13 上開發時很容易踩進這個陷阱,因為隱式轉換 (implicit conversion) 被默默接受:使用者在 Delphi 12 與更舊版本上編譯同一份原始碼,得到的是 E2010。結構上的修法,要嘛用上面展示的強制轉型(安全,因為匿名的 array of Byte 與 TBytes 共用相同的動態陣列配置),更好的做法是一開始就把欄位宣告成具名型別(例如 TBytes),讓轉換根本沒有機會出現。流程上的修復更要緊:一個能在您最新工具鏈上編譯的語法結構,證明不了使用者實際執行的舊編譯器也接受它;這類問題在您對每一個支援版本都建置過之前是不可見的,因為本機的 37.0 建置抓不出只有 13 版才有的寬容
在中文 Windows 機器上消失的 AnsiString 位元組
一句話總結:在 Delphi 中,將一個 $80 或以上的原始位元組透過 + 串接進一個 AnsiString 中,可能會默默地將該位元組替換為 ?($3F),因為這個表達式會經由系統字碼頁,走一趟 AnsiString → UnicodeString → AnsiString 的隱式往返。它最常出現在 PDF/A 測試裡:測試建構一個帶孤立 $FE 位元組的名稱——這永遠不會是合法的 UTF-8 前導位元組——用來驗證驗證器會標記出不符合 ISO 19005-2 條款 6.1.8 的非合法 UTF-8 名稱
var
BadName: AnsiString;
begin
// 在具有多位元組系統字碼頁(在 CP936 上觀察到)的 Delphi 上,
// 串接操作會透過 UnicodeString 進行往返轉換,而 $FE,
// 不是一個有效的 CP936 序列,回來後會變成 '?' ($3F)
BadName := '/Bad' + AnsiChar($FE) + 'Name';
// 安全做法:先用一個 ASCII 佔位符來建置,然後就地修補該位元組;
// 對一個已定型的 AnsiString 進行索引指派不會發生往返轉換
BadName := '/Bad' + #1 + 'Name';
BadName[5] := AnsiChar($FE);
end;
在執行字碼頁 936 的中文 Windows 系統上,串接後的字串裡根本就不含 $FE,所以驗證器正確地什麼也沒回報,測試卻亮了紅燈——理由跟驗證器毫無關係:餵給它一份真正含 $FE 位元組的 PDF,它會回報預期的旗標。資料損壞發生在 Delphi 測試執行檔內部、字串表達式求值的當下,因為 Delphi 以 Unicode 為優先的字串模型會把混合的 AnsiString 表達式透過 UnicodeString 轉換,而 $FE 在 CP936 中不是有效的前導位元組,往返之後就被替換掉了。這裡的邊界要老實說:在 CP1252 這類單位元組西方字碼頁上,同樣的表達式通常能倖存,這正是這個問題在多數開發機器上隱藏、只在東亞系統或在地化 CI 執行器上現身的原因。我們採用的規則是:永遠不要用 AnsiString 串接來建構含 $80 或以上位元組的二進位測試向量;要嘛在字串定型後就地修補位元組(如上所示),要嘛一開始就用 TBytes 建構向量
雙編譯器工作流程預設應該檢查什麼
四個陷阱,一個模式:每一個編譯器都會告訴您另外一組錯誤。FPC 的編譯期範圍分析抓得出 dcc32 默默執行的越界索引,而 dcc32 的 Unicode 字串模型暴露了一個純位元組導向的 FPC 建置永遠不會觸發的字碼頁相依性。實際的結論是:任何一條綠色管線單獨來看都不夠。交叉編譯不只是可移植性的核取方塊,它是套用到同一份原始碼上的第二個靜態分析器與第二個執行階段模型,精神上與ABI 與記憶體安全強化文章中的防禦性邊界檢查一致
從這些事件中衍生出來的常設規則短到可以背下來。在讀取欄位之前,將函式回傳的紀錄固定在一個區域變數。使用 Low() 和 High() 來走訪固定邊界的陣列,並且在信任任何新示範程式之前,至少執行一次開啟範圍檢查的編譯或是 FPC 建置。對匿名的動態陣列欄位進行明確的強制轉型,或者使用具名類型宣告它們,並在發佈前建置完整的編譯器矩陣。完全不要將原始的高位元組放入 AnsiString 串接中。一旦這些成為習慣,都不會花費可衡量的精力,而每一項都會封閉一個單一編譯器工作流程在結構上無法看見的失敗模式
這些規則來自維護 PDFium 元件 的過程,它為 Delphi、C++Builder 與 FPC/Lazarus 出貨同一份 Object Pascal 原始碼