VB/VBA字符串

 字符串历来就是编程界的麻烦

前言

字符串在人机交互中，举足轻重，是站人这一边的，其作用甚至比变量和函数更突出。变量详见《变量，还有这些秘密》，函数详见《 VB/VBA中的函数，用了那么久，其实是这样的》。试想没有字符串的中间协助，人根本就不可能理解计算机，更别提与之交互了。

但字符串在任何一门编程语言中，都是最让人头疼的。因为字符串大小不定，会涉及到复杂的内存管理，很难像整数(详见《VB的整数，你真的了解？》)那样简单高效。更别提这个世界上除了简单的26个英文字符外，还有其他上百种字符呈现形式，更有从右向左的阿拉伯文。所以，在DOPE中直接丢掉了字符串类型(所以别再苛责VB/VBA了，为了广大非IT科班，可谓已操碎了心)，可见字符串处理起来的确麻烦。当然啦，没有字符串的DOPE，自然一无是处。但也无妨，这个教学实验后的BASIC，还是老老实实地捡回来了。

甚至也可以这么说，一门编程语言受欢迎与否，往往在很大程度上，取决于对字符串处理的封装。但终究然并卵，因为字符串的复杂始终在那里，不增不减。封装得再好，也只会便宜源码的书写。

尽管在VB/VBA中，使用了ByRef这样的神器(详情可参阅《为何ByRef在VB/VBA中就能传递指针呢？》)，但仍避免不了字符串是VB/VBA成品慢的主要成因。本文就给大家分享铺垫已久的字符串相关内容吧。

一、VB/VBA字符串的真实身份

早先在《早判了，VB已死，但我说话了么？》中就向大家伙说了，VB/VBA是基于COM的语言，因此凡事问COM。而就数据类型而言，COM就该找Variant。Variant还记得么？在《VB的任性，从Variant开始》中介绍Variant的时候，其首成员就是数据类型，这些类型其实就是COM支持的类型，自然囊括了VB/VBA的所有类型。

其中VB/VBA的String类型，就是COM中的BSTR类型。将BSTR的定义翻译成VB/VBA，就是下面的样子：

 没看错，VB/VBA的String就长这样

可见VB/VBA的String，既有前缀，也有结尾，因此也被称为安全字符串。这与C中的字符串有很大的不同，C依赖Null结束符来判断是否越界，在指针的加持下非常容易越界访问。VB/VBA中的String，无论如何使用都不存在越界的问题。

二、字符串的家常事

1、字符串变量的声明

在VB/VBA中，往往大手一挥，敲下"Dim Str As String"，就完成了，后面就可以用Str进行各种字符串的操作了。想想此时，VB/VBA都为我们做了些什么呢？简单使用VarPtr函数获取Str的指针，并借助CopyMemory取数据，来观察下吧，如下图：

 声明不定长字符串变量，实际仅占位

在以往的文章中，我们知道String类型其实是一个指针的指针，也即在字符串变量指针指向的内存里存储的是字符串数据指针。通过上述验证代码，可以发现声明1个非定长字符串变量时，仅仅是分配了1个指针所需内存，因此String变量的尺寸其实只有4Bytes。该指针未指向任何位置，也即此时的字符串变量其实是一个空指针。其实想想也是，你什么数据都没给，天知道要给第二个成员多大地儿。

2、字符串变量的赋值

StrPtr函数可以获取字符串数据指针，也即第二个成员的首地址。这个数据指针就存放在声明字符串变量时，分配的内存里，也就是说字符串变量的值是一个指针。这和我们通常动态监视的字符串变量，是不一样的。因为在IDE环境下，实际上给我们看的字符串，是已经转换后的。不信，可以将前面的测试代码稍作调整，就更清楚了，如下：

 字符串就是指针的指针

这段测试代码，添加了一条赋值语句。字符串变量在被赋值之后，字符串变量里存放的确实是字符串数据指针。这说明字符串通过赋值，完成了所需内存分配、数据复制以及数据指针的填充。事实上，的确如此，背后都是OleAuto32.dll里的那帮API在管理VB/VBA的字符串，有兴趣的朋友可以查阅相关资料。所幸在VB/VBA中无需考虑这些细节，就像拖放窗口一样，都封装好了。

 字符串变量是铁打的营盘，数据才是流水的兵

当重新给一个字符串变量赋值，会发生什么？用上述测试代码，就不难发现，重新赋值时数据指针发生了变化。事实上，背后会调用一系列API函数，申请分配新的内存，拷贝数据，然后释放掉原占用内存。

如果在C中，上述行为都得自己实现，但在VB/VBA中你什么都不用做。是不是觉得VB/VBA中的字符串颇有几分好感呢？且慢，这个老好人，总有让你觉得讨厌的时候。

三、字符串的麻烦事

1、高频低效

如果低频使用字符串变量，无关紧要。但是要高频使用，就麻烦了。因为VB/VBA没有优化高频场景。如此，会有大量的申请、数据拷贝和释放内存的代码被执行。想想大量执行"Str=Str & ?"的场景吧。

2、U/A自动转换

由于历史的原因，计算机在当初设计时，并未考虑非英语环境。这跟当年的千年虫问题一样，谁也没预料到计算机对人类有如此深厚的影响。但随着从英语国家向非英语国家发展，组成字符串的字符集出问题了。为了解决这一问题，不得不对字符集编码进行扩展，也即后来的Unicode。所以Win98后，微软抛弃了ANSI内核，而推出了全新的Unicode内核系统。

但为了兼容，VB/VBA在人机交互层面使用Unicode，而在代码层默认为ANSI。这在当时是具有前瞻性的，但随着Win9.x的全面消失，这一点就画蛇添足了。

3、假身份

从前面的结构不难发现，所谓字符串其实最核心的是个数组。但在VB/VBA中又没有真正的数组。

别慌下结论，字符串的故事源远流长。欢迎关注BtOfficer，带你玩一手顺滑的字符串。