C++中字符串的介绍
字符串是个特殊的字符数组。与普通字符数组不同的是，字符串在结尾处有一个字符\0”，表示字符串的结束。在C++中字符串有特殊的初始化方式和专门的处理函数。本节将介绍字符串的特性，在下一节中将介绍专门用于处理字符串的函数。
.1.1?什么是字符串
在C++语言中，没有专门的字符串类型，一个字符串，其实就是一个字符数组。不过并不是数组中的所有字符都是字符串的一部分，字符串是以字符\0”表示字符串的结束的。所以在字符数组中，所有在字符\0之前的字符才是字符串中的有效字符。
字符串也有字面常量，其形式是用双引号包围起来一串字符。例如：
"Hello?World";?
前面讲到的字符，用的是单引号，字符串用的是双引号，这点不要弄反了。"a"是一个字符串，而不是一个字符，虽然这个字符串只有一个有效字符。
上面定义了一个字符串，其存储形式如图.1所示。? 图.1?字符串的存储形式 每一个字符串，后面都有一个不可见的字符\0”，这个字符是字符串的结束标志。因此上面的字符串有12个字符。双引号表示其中的内容是一个字符串，字符串中并不包括双引号。
前面讲字符类型的时候讲过转义字符，比如字符\n”表示换行。字符串中可以包含转义字符，例如：
"Hello\nWorld";?
如果输出上面的字符串，则会分两行输出。""表示只有空格字符的字符串，而""也是一个字符串，这个字符串只有一个结束标志。字符串还可以分多行定义，例如：
"Hello"?
"World";?
上面的定义相当于"HelloWorld"，编译器会自动把分行定义的字符串连接起来。需要注意的是，只有在结束的时候才可以有语句结束的分号";"，前面都不能有。
字符串的结束标志不需要显式地提供，编译器会自动在后面追加。.1.2?定义字符串
用双引号包围的字符串是字符串类型的字面常量，不可以修改。而作为变量的字符串，其实就是字符数组。定义一个字符串其实就是定义一个字符数组，例如：
char?name[10];??????????//?定义一个名字是name的字符串?
也可以定义二维的或者多维的字符数组，例如：
char?names[10][10];?????//?定义一个二维字符数组，通常称这样的数组为字符串数组?
.1.3?字符串的初始化
同普通数组一样，字符数组也允许在定义的时候直接初始化，例如：
char?name[10]?=?{''J'',?''a'',?''s'',?''o'',?''n''};?
同样，如果为数组的所有元素提供了初始值，则字符数组的长度可以省略，例如：
char?name[]?=?{''J'',?''a'',?''s'',?''o'',?''n''};?
这时数组长度被自动定义为5。
还可以用字符串来作为字符数组的初始值，因此还可以这么写：
char?name[]?=?"Jason";?
上面的语句定义了一个长度为6的字符数组，其最后的一个字符为\0”。在这种初始化方式下，不需要花括号"{"和"}"。
通常用上面的方法对字符数组进行初始化，而不用单个字符的方式。
.1.4?操作字符串
字符串作为一个字符数组，同样可以使用下标的方法来操作每一个字符，不过字符串有一些普通数组没有的特性。
前面在介绍数组的时候提到过，cin和cout不可以直接操作数组，但是字符数组是个特例。可以直接用C++的标准输入cin输入整个数组的元素，用标准输出cout输出整个字符数组。下面对一个输入的字符串进行反转，其算法是：第一个字符和最后一个字符交换，第二个字符和倒数第二个字符交换，依此类推。假定字符串为abcdefg，那么其交换过程示意如下：
a?????g?
b?????f?
c?????e?
d???保持不变?
交换之后就成了gfedcba。
交换到字符d时，也就是字符串一半的时候，这时的结果已经是gfedcba，交换已经完成了，如果继续再交换下去，则又会恢复成交换之前的样子。
该实例的具体代码如示例代码6.4所示。
示例代码6.4
#include??
using?namespace?std;?????????????????????????????//?使用名称空间std?int?main(int?argc,?char?argv[])??????????????//?主函数?
{?
????char?buffer[128];???????????????????????????//?字符数组?
????cin>>buffer;????????????????????????????????//?输入字符串?
????int?len?=?(int)strlen(?buffer?);????????????//?取得字符串的长度?
????for(?int?i?=?0;?i?
????{?
????????char?temp?=?buffer[i];??????????????????//?交换两个字符?
????????buffer[i]?=?buffer[len?-?i?-?1];?
????????buffer[len?-i?-?1]?=?temp;?
????}?
????cout?<<"反转之后的字符串为："??<
????return?EXIT_SUCCESS;????????????????????????????//?主函数返回?
}?
建立一个控制台工程，并将上述代码复制到源文件中，编译并运行，其结果如图6.10所示。
? 图.2?字符串反转结果 对于buffer[0]，其对应的要交换的为buffer[len-1]，对于第i个字符buffer[i]，其需要交换的为buffer[len-i-1]。最后来看循环结束的条件：如果字符串的长度len为偶数，最后一对需要交换的是buffer[len/2-1]和buffer[len/2]；如果字符串的长度len为奇数，buffer[len/2]是中间字符，不需要交换，最后一对需要交换的字符是buffer[len/2-1]和buffer[len/2+1]。因此用条件i
也可以定义二维的字符数组，也就是字符串的数组。例如下面定义可以存储多个人名的数组：
char?names[10][40];?
同普通的二维数组一样，字符串数组在定义的时候也可以初始化：
char?names[10][40]?=?
{?
????"Tom",?
????"Mary",?
????"Jacky",?
????"Jason"?
};?
上面定义了一个长度为10的字符串数组，并给前4个进行了初始化，剩余部分用空字符串来填充。
不能遗忘两个字符串中间的","。
虽然可以对字符数组用字符串进行初始化，可以直接输入、输出字符串，但是在使用字符数组的时候还是有很多不便，比如不能直接对字符数组进行赋值、不能比较两个字符数组的大小等。因此C++提供了一些函数来处理字符串，下面介绍几个常用的函数。
.2.1字符串复制函数strcpy
字符串是一个字符数组，因此它就有数组的局限性，不能用一个字符串给另外一个字符串赋值，例如：
char?name[10];?
name?=?"Jason";?????????//?错误，不可以这样直接赋值?
为了方便实现上面的功能，C++标准库中提供了strcpy函数，其定义格式为：
strcpy(?字符数组名1,?字符数组名2?)?
函数把字符数组2中的字符串复制到字符数组1中，串结束标志\0也一同复制。使用例子如下：
char?str1[128],str2[]?=?"Hello?World";?
strcpy(?str1,?str2?);???????//?把str2复制到str1?
程序员需要自己保证str1的长度足够容纳str2的内容，如果str2的长度超过了str1的长度，可能会导致系统崩溃。
其中第二个参数可以直接是一个字符串，因此也可以这样使用：
char?str[128];?
strcpy(?str,?"Hello?World"?);???//?直接给str赋值?
在下面的例子中需要用户输入两个字符串，然后把这两个字符串的内容互换，程序如示例代码.1所示。
#include??using?namespace?std;???????????????????????//?使用名称空间std?int?main(int?argc,?char?argv[])????????????//?主函数?
{?
????cout<<"请依次输入两个字符串："<
????char?str1[128],str2[128];???????//?字符串变量?
????cin>>str1;??????????????//?输入?
????cin>>str2;??
????cout<<"第一个字符串为："<
????cout<<"第二个字符串为："<
????cout<
????char?temp[128];?????????????//?临时字符串变量?
????strcpy(?temp,?str1?);???????//?交换两个字符串?
????strcpy(?str1,?str2?);?
????strcpy(?str2,?temp?);?????cout<<"交换之后的字符串为："<
????cout<<"第一个字符串为："<
????cout<<"第二个字符串为："<
????system("PAUSE");????????????????????????//?等待用户反应?
????return?EXIT_SUCCESS;????????????????????//?主函数返回?
}?
建立一个控制台工程，并将上述代码复制到源文件中，编译并运行，其结果如图.1所示。
? 图.1?交换字符串结果 strcpy函数复制的是字符\0之前的内容（包括这个结束标志），不是整个字符数组的内容。.2.2计算字符串长度函数strlen
对于字符数组，可以通过sizeof来得到其定义的长度，但是这个长度对于字符串是没有意义的。因为通常想要得到的是其有效内容的长度，也就是在字符\0之前的字符的个数。在C++标准库中提供了函数strlen，可以实现这个功能。strlen函数的格式如下：
strlen(?字符数组名?)?
strlen将字符串的实际长度作为函数的返回值。使用例子如下：
char?str[128]?=?"Hello?World";?
int?len?=?strlen(?str?);????????????????//?取得字符串的长度?
上面的len值为11，包括里面的空格，但是不包括里面的字符串结束标志。下例中需要用户输入一个字符串，然后用strlen函数计算其长度，程序如示例代码.2所示。
#include??
using?namespace?std;?int?main()?
{?
????cout<<"请输入一个字符串："<
????char?str[128];?
????cin>>str;?
????cout<<"字符串的长度为:"<
????return?0;?
}?
建立一个控制台工程，并将上述代码复制到源文件中，编译并运行，其结果如图.2所示。
? 图.2?使用strlen函数示例结果 .2.3字符串连接函数strcat
对于两个整数a和b，下面的代码结果是把两个整数相加：
int?a?=?3;?
int?b?=?5;?
int?c?=?a?+?b;?
对于字符串，其加法的意义应该是把两个字符串连接起来，对于下面两个定义：
char?str1[128]?=?"Hello?World";?
char?str2[128]?=?"C++?Programming";?
如果想把两个字符串连接起来，直接用+是不可以的，在C++标准库中提供了一个可以实现这个功能的函数，这个函数就是strcat。函数格式如下：
strcat?(?字符数组名1,?字符数组名2?)?
函数把字符数组2中的字符串连接到字符数组1中字符串的后面，并删去字符串1后的串标志\0。本函数返回值是字符数组1的首地址。使用例子如下：
char?str1[128]?=?"Hello?World";?
char?str2[128]?=?"C++?Programming";?
strcat(?str1,?str2?);???????????????????//?连接字符串?
上面的代码把str2连接到str1的后面，现在str1为"HelloWorldC++Programming"。下例需要用户输入两个字符串，然后把它们连接起来，程序如示例代码.3所示。
#include??
using?namespace?std;????????????????????????//?使用名称空间std?int?main(int?argc,?char?argv[])????????//?主函数?
{?
????cout<<"请输入两个字符串:"<
????char?str1[128];?????????????????????????????//?字符串变量?
????char?str2[128];?
????char?buffer[128];?????cin>>str1>>str2;????????????????????????????//?输入字符串?
????strcpy(?buffer,?str1?);?????????????????????//?复制?
????strcat(?buffer,?str2?);?????????????????????//?连接?
????cout<<"新生成的字符串为:"<
????????return?EXIT_SUCCESS;????????????????????????????//?主函数返回?
}?
建立一个控制台工程，并将上述代码复制到源文件中，编译并运行，其结果如图.3所示。
? 图.3?strcat函数使用示例结果 .2.4字符串比较函数strcmp
对于两个字符串，其比较是有意义的，但是字符数组不能直接进行比较，因此在C++标准库中提供了对字符串进行比较的函数，函数格式如下：
strcmp(?字符数组名1，字符数组名2?)?
函数按照ASCII码顺序比较两个数组中的字符串，并由函数返回值返回比较结果：
字符串1＝字符串2，返回值＝0。
字符串2>字符串2，返回值>0。
字符串1<字符串2，返回值<0。
当两个字符串相等的时候，返回值为0，因此，在比较两个字符串是否相等的时候，应当像下面的代码这么写：
if(?strcmp(?str1,?str2?)?==?0?)?????//?判断两个字符串是否相同?
而不能这么写：
if(?strcmp(?str1,?str2?)?)??????????//?错误的写法，结果跟希望正好相反?
下例需要用户输入两个字符串，然后对它们进行比较，程序如示例代码.4所示。
#include??
using?namespace?std;????????????????????????//?使用名称空间std?int?main(int?argc,?char?argv[])?????????????//?主函数?
{?
????cout<<"请输入两个字符串:"<
????char?str1[128];?????????????????????????????//?字符串变量?
????char?str2[128];?????cin>>str1>>str2;????????????????????????????//?输入字符串?
????int?res?=?strcmp(?str1,?str2?);?????????????//?比较?
????cout<<"比较的结果:"<
????cout<
????if(?res?==?0?)?cout<<"==";?
????if(?res?>?0?)?cout<<">";?
????if(?res?
????cout<
????system("PAUSE");????????????????????????
????//?等待用户反应?
????return?EXIT_SUCCESS;???????????????????
????//?主函数返回?
}?
建立一个控制台工程，并将上述代码复制到源文件中，编译并运行，其结果如图.4所示。
? 图.4?使用strcmp函数示例结果 在C++的标准库中提供了一个string类。使用这个类，可以直接进行赋值、比较、计算长度和连接等操作。.3.1汉字编码方式的介绍
对英文字符的处理，7位ASCII码字符集中的字符即可满足使用需求，且英文字符在计算机上的输入及输出也非常简单，因此，英文字符的输入、存储、内部处理和输出都可以只用同一个编码（如ASCII码）。
而汉字是一种象形文字，字数极多（现代汉字中仅常用字就有六、七千个，总字数高达5万个以上），且字形复杂，每一个汉字都有“音、形、义”三要素，同音字、异体字也很多，这些都给汉字的的计算机处理带来了很大的困难。要在计算机中处理汉字，必须解决以下几个问题：首先是汉字的输入，即如何把结构复杂的方块汉字输入到计算机中去，这是汉字处理的关键；其次，汉字在计算机内如何表示和存储？如何与西文兼容？最后，如何将汉字的处理结果从计算机内输出？
为此，必须将汉字代码化，即对汉字进行编码。对应于上述汉字处理过程中的输入、内部处理及输出这三个主要环节，每一个汉字的编码都包括输入码、交换码、内部码和字形码。在计算机的汉字信息处理系统中，处理汉字时要进行如下的代码转换：输入码→交换码→内部码→字形码。
(1)输入码：作用是利用它和现有的标准西文键盘结合来输入汉字。输入码也称为外码。主要归为四类：
a)数字编码：数字编码是用等长的数字串为汉字逐一编号，以这个编号作为汉字的输入码。例如，区位码、电报码等都属于数字编码。
b)拼音码：拼音码是以汉字的读音为基础的输入办法。
c)字形码：字形码是以汉字的字形结构为基础的输入编码。例如，五笔字型码（王码）。
d)音形码：音形码是兼顾汉字的读音和字形的输入编码。
(2)交换码：用于汉字外码和内部码的交换。交换码的国家标准代号为GB2312-80。
(3)内部码：内部码是汉字在计算机内的基本表示形式，是计算机对汉字进行识别、存储、处理和传输所用的编码。内部码也是双字节编码，将国标码两个字节的最高位都置为“1”，即转换成汉字的内部码。
(4)字形码：字形码是表示汉字字形信息（汉字的结构、形状、笔划等）的编码，用来实现计算机对汉字的输出（显示、打印）。
1.3.2VC/C++中汉字的编码方式
VC/C++正是采用了GB2312内部码作为汉字的编码方式，因此VC/C++中的各种输入输出方法，如cin/wcin，cout/wcout，scanf/wsanf，printf/wprintf……都是基于GB2312的，如果汉字的内码不是这种编码方式，那么利用上述各种方法就不会正确的解析汉字。
仔细观察ASCII字符表，从第161个字符开始，后面的字符并不经常为用户所使用，负值也未使用。GB2312编码方式充分利用这一特性，将161-255（-95~-1）之间的数值空间作为汉字的标识码。既然255-161=94不能满足汉字容量的要求，就将每两个字符并在一块(即一个汉字占两个字节)，显然，9494=8836基本上已经满足了常用汉字个数的要求。计算机处理字符时，当连续处理到两个大与160(或-95~-1)的字节时，就认为这两个字节存放了一个汉字字符。可以用下面的Demo程序来模拟VC/C++中输出汉字字符的过程：
unsignedcharinput[50];
cin>>input;
intflag=0;
for(inti=0;i<50;i++)
{
if(input[i]>0xa0&&input[i]!=0)
{
if(flag==1)
{
cout<<"chinesecharacter"
}
else
{
flag++;
}
}
elseif(input[i]==0)
{
break;
}
else
{
cout<<"englishcharacter"<}
}
输入：Hello中国（“中国”对应的GB2312内码为：214208，185250）
输出：englishcharacter
englishcharacter
englishcharacter
englishcharacter
englishcharacter
chinesecharacter
chinesecharacter
VC/C++中的英文字符仍然采用ASCII编码方式。可以设想，其他国家程序员利用VC/C++编写程序输入本国字符时，VC/C+++则会采用该国的字符编码方式来处理这些字符。
问题又产生了，韩国的VC/C++程序在中国的VC/C++上运行时，如果没有相应的内码库，则对韩语字符的显示有可能出现乱码。我个人猜测，VC安装程序中应该带有不同国家的内码库，这样一来肯定会占用很大的空间。如果所有的国家使用统一的编码方式，且所有的程序设计语言和开发工具都支持这种编码方式该多好！而现实中，确实已经有这种编码方式了，且许多新的语言也都支持这种编码方式，如Java、C#等，它就是下面的Unicode编码
1.3.3新的内码标准——Unicode
Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。随着计算机工作能力的增强，Unicode也在面世以来的十多年里得到普及。最新版本的Unicode是2005年3月31日推出的Unicode4.1.0。
Unicode编码系统可分为编码方式和实现方式两个层次。
编码方式：Unicode的编码方式与ISO10646的通用字符集（UniversalCharacterSet，UCS）概念相对应，目前的用于实用的Unicode版本对应于UCS-2，使用16位的编码空间。也就是每个字符占用2个字节。这样理论上一共最多可以表示216个字符。基本满足各种语言的使用。实际上目前版本的Unicode尚未填充满这16位编码，保留了大量空间作为特殊使用或将来扩展。
实现方式：Unicode的实现方式不同于编码方式。一个字符的Unicode编码是确定的。但是在实际传输过程中，由于不同系统平台的设计不一定一致，以及出于节省空间的目的，对Unicode编码的实现方式有所不同。Unicode的实现方式称为Unicode转换格式（UnicodeTranslationFormat，简称为UTF）。如，UTF-8编码，这是一种变长编码，它将基本7位ASCII字符仍用7位编码表示，占用一个字节（首位补0）。而遇到与其他Unicode字符混合的情况，将按一定算法转换，每个字符使用1-3个字节编码，并利用首位为0或1进行识别。
Java与C#语言都是采用Unicode编码方式，在这两种语言中定义一个字符，在内存中存放的就是这个字符的两字节Unicode码。如下所示：
chara=''我'';=>内存中存放的Unicode码为：25105
1.3.4内码的相互转换
(1)VC中的实现方法
利用Windows系统提供的API：::MultiByteToWideChar和::WideCharToMultiByte
::MultiByteToWideChar：实现当前码到Unicode码的转换；
::WideCharToMultiByte：实现Unicode码到当前码的转换；
(2)Java中的实现方法
StringvcString=newString(JavaString.getBytes("UTF-8"),"gb2312");
Java的编码应该是UTF-8
VC中的MutiByteCharaterSet
这种方式以按字节为单位存放字符，即如果一个字符码为两字节，则在内存中占两字节，字符码为一字节，就占一字节。例如，字符串“中国abc”的编码为：中(0xd6、0xd0)、国(0xb9、0xfa)、a(0x61)、b(0x62)、c(0x63)、(0x00)，就存为如下方式
|
|
