PB对Unicode的支持

PowerBuilder之5年经验谈（一之1）－－PB对Unicode的支持

PB对Unicode的支持

第一章　PowerBuilder不容忽视的细节

1. PowerScript

PB的基础编程语言是种被称之为PowerScript的语言，由PB最先的开发商PowerSoft制定，之所以被称之为PowerScript，原因是它不同于VB，Delphi、C等语，它自成一套体系，虽然并没有成为一种标准的编程语言而得到广泛使用，但它在PowerBuilder中却发挥着无法或缺的做用。下面让我们看看它的各方面一些特点。

1.1　对Unicode的支持

以下是PB8.02的一个例子，大家可以看到调试状态下字符串a得到的是带有半个汉字的字符串，而name的长度也变为了6，说明len函数是把汉字当双字节处理，而英文字母作为单字节来处理的。这样一来，当字符中带有汉字时，字符处理函数(包括mid,right)都会出现长度与字符数不一致的情况。

 
PB8.02图-1 PB11.2图-2

然而这种情况在pb11.2中得到了解决，无论是汉字还是英文字母都是被统一的当作一个字符处理，这就是国际上通用的字符编码Unicode。这种编码将世界各国不同的文字字符统一以一个字符看待，而每个字符占两个字节。这样的处理是要付出代价的，但凡用到Unicode的所有字符，都以两个字节处理了，比以前的单字节多占了一个字节的空间。然而这种付出是值得的，它的价值显而易见，消除了各种言语文字集之间处理上的不一致性。这也应该称得上是一种全球化吧。呵呵!

回顾下PB9时代，出现了LeftA、LenA；LeftW、LenW等等，这样的函数形式，是为了解决亚洲字符集(包括了ANSI在内的ASCII字符，即值为0-255之间的单字节编码方式的字符)的处理而增加进来的。带“A”的用于处理单字节，而带“W”的用于处理双字节。当然现在有了Unicode的出现，带“W”的函数已经被废弃了。所以建议大家在以后的编程中不要再去用这些函数，这些函数之所有还保留，只是为了兼容以前pb9版本开发的程序而存在的。而带“A”仍然可以作为处理单字节字符用。下图是PB11.2中对带“W”函数的帮助说明。

从下图中可以看出三种不同函数形式的处理结果。在PB11.2中常规函数(left、len等)已经可以完全处理双字符，所以带“W”将要被废弃是完全有必要的。然而单字节函数(带“A”)仍就按单字节处理，并且比PB8.02时更能有效的识别单双字节混合的字符串。

另外PB11.2对Unicode的支持可以通过一个例子看出来，对VC++写的一个API的调用，API函数原型为：

int foo(char *ip)

在PB8.02和PB11.2中调用结果图分别如下：

 

图1 图2

定义和调用都是相同的，分别如下：

1Function uLong foo (ref String ipaddress) Library "GetIP.dll"
2
3string ls_HostIP = space(128) 
4if foo (ls_HostIP) = 0 then
5 sle_2.text=trim(ls_HostIP)
6end if
7

VC++编写的API函数带char*指针带回的是一个单字节字符指针，由上两张图可以看出，PB8.02的字符串是以单字节处理的，它不支持Unicode的；而PB11.2已经支持Unicode了，它把所有的String当Unicode字符处理，故会出现上图的乱码。

当把PB11.2中原来的定义后加上ANSI后即定义为：

Function uLong foo (ref String ipaddress) Library "GetIP.dll" ALIAS FOR "foo;ANSI"

则结果即转化为想要的值了。

那么PB11.2是如何转化的？

其实这并不是PB所为，而是两种字符集中单个字符所占的字节不同而造成的。我们来看，用LenA()看这个字符的长按理说是为13(实际在PB11.2用lenA函数已经得不出长度了，原因是PB在从API中返回的字符指针时已经把字符串当Unicode处理了)，而用len则变为7了。很显然它把每两个节当成了一个Unicode字符。1的十六进制ACSII码为31，9的十六进制ACSII码为39，结合起来就是H31 39，但是字节在内存中的存放都是从右存到左，所以内存就存为H39 31，查看Unicode表可得知是个方框。即本机无此符号字体存在，所以显示不出来，以方框代替了。

注：Unicode表查询

http://www.wiki.cn/wiki/Unicode%E7%BC%96%E7%A0%81%E8%A1%A8/3000-3FFF

PB9以前对字符的解决方法

由于PB9以前没有对Unicode的支持函数，处理再汉字的字符串只能自己写函数处理了。以下给了笔者对len()自己定义了个函数f_mylen()处理带汉字字符串。代码如下：

char l_ch
int li_len,li_p
string ls_str

ls_str =a_str
li_p =1

do while len(ls_str)>=li_p
 l_ch = mid(ls_str,li_p,1) 
 if asc(l_ch) >127 then
 li_p +=2
 else
 li_p +=1
 end if
 li_len+=1
loop
return li_len

对left()函数做了个自定义f_myleft()代替，代码如下：

char l_ch
int li_len
string ls_str
string ls_rtn
li_len = f_mylen(a_str)
if a_len>=li_len then return a_str
ls_str =a_str
li_len =1

do while li_len <= a_len and len(ls_str)>=li_len
 l_ch = mid(ls_str,li_len,1) 
 if asc(l_ch) >127 then
 ls_rtn = ls_rtn + mid(ls_str,li_len,2) 
 li_len +=2
 a_len+=1
 else
 ls_rtn = ls_rtn + mid(ls_str,li_len,1) 
 li_len +=1
 end if
loop
return ls_rtn

对于如mid,right的函数，则与f_myleft的处理类似，这里不再重复。