一步步實作線性堆疊：從結構設計到核心操作的完整指南

堆疊幾乎是程式設計的命脈，沒有堆疊就沒有函式呼叫，自然也就沒有軟體架構。作為一種「先進後出」的資料結構，堆疊的長度取決於堆疊頂端的高度。本文將帶領讀者從零開始，使用 C 語言實作一個基於連續記憶體的線性堆疊，涵蓋節點設計、建立、釋放、壓入、彈出與統計等核心操作。

一、堆疊節點的結構設計

首先定義堆疊節點結構 STACK_NODE，包含三個關鍵欄位：

• int* pData：指向動態分配的整數陣列，儲存實際資料
• int length：堆疊的最大容量
• int top：堆疊頂端索引，同時也代表目前元素個數

typedef struct _STACK_NODE {
    int* pData;
    int length;
    int top;
} STACK_NODE;

二、建立堆疊

alloca_stack 函式根據指定容量分配記憶體，並完成初始化：

STACK_NODE* alloca_stack(int number) {
    if (0 == number) return NULL;

    STACK_NODE* pStackNode = (STACK_NODE*)malloc(sizeof(STACK_NODE));
    assert(NULL != pStackNode);
    memset(pStackNode, 0, sizeof(STACK_NODE));

    pStackNode->pData = (int*)malloc(sizeof(int) * number);
    if (NULL == pStackNode->pData) {
        free(pStackNode);
        return NULL;
    }
    memset(pStackNode->pData, 0, sizeof(int) * number);

    pStackNode->length = number;
    pStackNode->top = 0;
    return pStackNode;
}

關鍵點：雙重 malloc 分別分配結構體與資料陣列，失敗時需釋放已分配記憶體防止洩漏。

三、釋放堆疊

free_stack 依序釋放資料陣列與結構體本身：

STATUS free_stack(const STACK_NODE* pStackNode) {
    if (NULL == pStackNode) return FALSE;
    assert(NULL != pStackNode->pData);
    free(pStackNode->pData);
    free((void*)pStackNode);
    return TRUE;
}

四、核心操作：壓入與彈出

壓入資料

檢查堆疊是否已滿，若未滿則在 top 位置寫入並遞增：

STATUS stack_push(STACK_NODE* pStackNode, int value) {
    if (NULL == pStackNode) return FALSE;
    if (pStackNode->length == pStackNode->top) return FALSE; // 滿了

    pStackNode->pData[pStackNode->top++] = value;
    return TRUE;
}

注意：原始碼中 if(pStackNode->length = pStackNode->top) 為賦值而非比較，此處已修正為 ==。

彈出資料

檢查堆疊是否為空，若非空則遞減 top 並取出值：

STATUS stack_pop(STACK_NODE* pStackNode, int* value) {
    if (NULL == pStackNode || NULL == value) return FALSE;
    if (0 == pStackNode->top) return FALSE; // 空了

    *value = pStackNode->pData[--pStackNode->top];
    return TRUE;
}

五、統計目前元素數量

直接回傳 top 即可，因為 top 恰好等於有效元素個數：

int count_stack_number(const STACK_NODE* pStackNode) {
    return pStackNode->top;
}

總結與建議

堆疊是函式呼叫、遞迴實作的基石。建議開發者動手實作並測試邊界條件（滿、空、單元素），深入理解其運作機制，這對掌握更複雜的資料結構與演算法大有裨益。