一个字符可以用1-byte表示,即ANSI编码; 一个字符也可用2-bytes表示,即Unicode编码(Unicode其实还包含了更多内容,不止2-bytes)。 Visual C++支持char和wchar_t作为ANSI和Unicode的原始数据类型。 例如 char cResponse; // 'Y' or 'N' char sUsername[64]; // str* functions 以及 wchar_t cResponse; // 'Y' or 'N' wchar_t sUsername[64]; // wcs* functions 它们可以统一写成 #include<TCHAR.H> // Implicit or explicit include TCHAR cResponse; // 'Y' or 'N' TCHAR sUsername[64]; // _tcs* functions
TCHAR则是根据选择的字符集决定是翻译成char还是wchar_t,字符集的设置如下: 所以TCHAR的定义如下: #ifdef _UNICODE typedef wchar_t TCHAR; #else typedef char TCHAR; #endif
在windows中,一般前缀 T 代表了它可以自适应不同的字符集。 比如:strcpy,strlen,strcat(包括安全后缀_s)代表ANSI版本; wcscpy,wcslen,wcscat(包括安全后缀_s),代表Unicode版本,这里WC代表Wide Character; _tcscpy,_tcslen,_tcscat则视情况而定: size_t strlen(const char*); //ANSI size_t wcslen(const wchar_t* ); //Unicdoe size_t _tcslen(const TCHAR* ); //ANSI or Unicode
我们知道一个string使用双引号表示,这种表示说明它是一个ANSI-string,每个字符占1-byte,例如: "This is ANSI String. Each letter takes 1 byte." 要转换成Unicdeo-string需要加前缀:L [__strong__]L"This is Unicode string. Each letter would take 2 bytes, including spaces."
Unicode编码的字符,每个都占用2-bytes,哪怕是可以用1-byte表示的,比如英文字母,数字,null字符等。所以一个unicode-string占用的字节总是2-bytes的倍数。 结合上面提到的 T 前缀,一种适用于两种字符集的写法是这样的: "ANSI String"; // ANSI L"Unicode String"; // Unicode _T("Either string, depending on compilation"); // ANSI or Unicode
_T或TEXT是一个宏定义,它与前缀 T 表示的意思一样,定义如下: // SIMPLIFIED #ifdef _UNICODE #define _T(c) L##c #define TEXT(c) L##c #else #define _T(c) c #define TEXT(c) c #endif 上面的##叫“token-pasting operator”。在Unicode下,_T("Unicode")被翻译成 L"Unicode";在ANSI下,_T("Unicode")被翻译成 “Unicode”。
注意,不能通过_T来转换一个变量(string or character),下面的操作是不允许的: char c = 'C'; char str[16] = "CodeProject"; _T(c); _T(str); 如果你是在ANSI(Multi-Byte)下编译,可以顺利通过,_T(c), _T(str)被翻译成c, str; 但是在Unicode下编译,就会报错: error C2065: 'Lc' : undeclared identifier error C2065: 'Lstr' : undeclared identifier 结合_T的定义不难弄懂。
在windows中,几乎所有需要传入string或character的API,都有通用的版本,例如: SetWindowTextA/W,就可以统一写成: BOOL SetWindowText(HWND, const TCHAR*);
但我们知道SetWindowText是一个宏,它代表了以下两种之一: BOOL SetWindowTextA(HWND, const char*); BOOL SetWindowTextW(HWND, const wchar_t*); 但其实,在内部实现时,不论ANSI还是Unicode都统一通过Unicode方式实现,当你调用 SetWindowTextA 时(传入ANSI-string),它会先转化成Unicode-string,再调用 SetWindowTextW实现。真正发挥作用的只有Unicode的版本! 所以在写代码时建议是直接调用Unicode版本的api,尽管我们对ANSI版本的string更熟悉。 Note:存在另外一个typedef:WCHAR,它等价于wchar_t。
我们知道strlen定义如下: size_t strlen(const char*); 它也可以写成 size_t strlen(LPCSTR); 所以 // Simplified typedef const char* LPCSTR; 它的含义如下
Long Pointer与Pointer意思一样。
举一反三,对于Unicode字符,我们有: size_t wcslen(const wchar_t* szString); // Or WCHAR* size_t wcslen(LPCWSTR szString); 这里 LPCWSTR代表 typedef const WCHAR* LPCWSTR;
它的含义如下
更进一步,有LPCTSTR
总结:
在编程中有时候会因为选择的字符集不同,而编译出错,如下面的写法在ANSI下没事,但在Unicode下就会报错:
同样的问题出现在: nLen = wcslen("Saturn"); // ERROR: cannot convert parameter 1 from 'const char [7]' to 'const wchar_t *' 遗憾的是,上面的错误不能通过强制转换的方法修改: nLen = wcslen((const wchar_t*)"Saturn"); 上面的写法会得到错误的结果,往往导致越界。原因是“Saturn”占用7个字节
但传给wcslen的时候,对于每个字符分配2-bytes。因此头两个字节[83,97]被看作一个字符,value:(97<<8 | 83),是字符'?'.后面的以此类推。 所以如果用Unicode的api,需要提前转换: TCHAR name[] = _T("Saturn"); //或者 wcslen(L"Saturn");
在之前的例子中,strlen(name)中的name在Unicode下编译,每个字符占2-bytes,如果强制转换成ANSI: lLen = strlen ((const char*)name); 也会出现问题,‘S'原来表示为[83,0],但在ANSI中第一个字节[83]可以被正确翻译成'S',但接着第二个字节[0]直接被翻译为为'\0',结束了整个字符串。所以strlen得到的结果为1。 综上,C语言风格的强制转换在这里是行不通的。
如果需要分配内存,在C++中通过new直接指定字符的个数,不用去管具体分配了多少字节: LPTSTR pBuffer; // TCHAR* pBuffer = new TCHAR[128]; // Allocates 128 or 256 BYTES, depending on compilation. 但如果你是用malloc,LocalAlloc,GlobalAlloc这类api分配空间,就需要指定具体的字节数: pBuffer = (TCHAR*) malloc (128 * sizeof(TCHAR) );
|
|