补充 - C++字符串完全指引.htm

最新推荐文章于 2020-09-21 17:09:13 发布
最新推荐文章于 2020-09-21 17:09:13 发布
阅读量3.6k 收藏
点赞数
文章标签： c++ string character mfc 编译器 basic
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ecai/article/details/207148
版权
 

写了n年程序，近来在字符串上栽了。:( 认真的研究了一些关于字符串的文章，在此记下。

许多关于字符串的问题，在文章最后的参考文章中，相信有更加深入和精确的描述。不过关于中文的处理，我想先补充一些自己的看法。

背景：WIN32 console程序，使用printf输出字符串。相信许多人都有使用过。

平台：VisualStudio.NET 2003（MFC 7.1）。

MBCSUNICODE
蔡b2 cc21 85
A41 0041 00

程序段1：使用std::string

#include <string>


{

// NOTE: use s1._Bx._Buf to see the memory

std::string s1 ("蔡"); // b2 cc 00

}

{

std::wstring s1(L"蔡"); // b2 00 cc 00 00 00

}

以上代码，不管使用MBCS还是_UNICODE编译，得到的结果都是一样的。因为string (实际上是basic_string)不会自动进行从MBCS到UNICODE的转换。所以使用printf或者wprintf输出即可。前提当然是你的系统需要支持中文。


让我们把代码修改一下，希望可以输出字符串的内容：

{
std::string s1 ("蔡"); // b2 cc 00
OutputDebugStringA(s1.c_str());
printf(s1.c_str());
}

{

std::wstring s1(L"蔡"); // b2 00 cc 00 00 00
OutputDebugStringW(s1.c_str());
wprintf(s1.c_str());
}

OutputDebugString实际上就是ATLTRACE（）最后调用的函数，该函数向VisualStudio的Output窗口输出，而printf和wprintf向console窗口输出。最后的结果如何？OutputDebugStringW输出的是怪字符！！WHY？？ s1.c_str()传递给OutputDebugStringW和wprintf不是都是内容相同的LPCWSTR吗？

1）因为OutputDebugStringW的字符串必须是真正UNICODE编码的字符串，而不是所有的const wchar_t*（即LPCWSTR）都可以得到正确结果。在这里s1虽然使用wchar_t类型，但是实际的内容却是MBCS编码。

2）反之亦然：CRT的wprintf只支持MBCS编码的字符串，而不能是UNICODE编码的字符串。在程序段2我们可以看到真正的UNICODE编码的字符串。

这是我多年来的一个误区：wchar_t类型的字符串就是UNICODE字符串。实际应该理解为UNICODE是16位的字符集，可以使用wchar_t类型进行存储。



程序段2：使用CString
请看程序后面的说明。

1.         // START: compile with _UNICODE ///

2.         {

3.         CString s1 ("A"); // 41 00 00 00

4.         }

5.         {

6.         CString s1 (L"A"); // 41 00 00 00

7.         }

8.         {

9.         CString s1 (_T("A")); // 41 00 00 00

10.     }

11.     {

12.     CString s1 ("蔡"); // 21 85 00 00

13.     }

14.     {

15.     CString s1 (L"蔡"); // b2 00 cc 00 00 00

16.     }

17.     {

18.     CString s1 (_T("蔡")); // b2 00 cc 00 00 00

19.     }

20.     // END: compile with _UNICODE ///

21.     // START: compile with _MBCS ///

22.     {

23.     CString s1 ("A"); // 41 00

24.     }

25.     {

26.     CString s1 (L"A"); // 41 00

27.     }

28.     {

29.     CString s1 (_T("A")); // 41 00

30.     }

31.     {

32.     CString s1 ("蔡"); // b2 cc 00

33.     }

34.     {

35.     CString s1 (L"蔡"); // 32 a8 ac 00

36.     }

37.     {

38.     CString s1 (_T("蔡")); // b2 cc 00

39.     }

40.     // END: compile with _MBCS ///


1）对于英文字母‘A’，MBCS和UNICODE的结果都是一样的

2）Line 15.     

CString s1 (L"蔡"); // b2 00 cc 00 00 00

得到的还是MBCS的字符串，只是增加了0作为trail byte。而不是我理解的UNICODE字符串！这是我多年来的另外一个误区：_T在_UNICODE下转换为L，而L后面的字符串是UNICODE编码。在参考资料MSDN的“TCHAR.H 中的一般文本映射”中（以及MSDN的许多地方），可以看到类似的说明：

一般文本数据类型映射

一般文本数据类型名未定义 _UNICODE 或 _MBCS已定义
_MBCS		已定义 _UNICODE
_TCHARcharcharwchar_t
_TINTintintwint_t
_TSCHARsigned charsigned charwchar_t
_TUCHARunsigned charunsigned charwchar_t
_TXCHARcharunsigned charwchar_t
_T 或 _TEXT无效（由预处理器移除）无效（由预处理器移除）L（将后面的字符或字符串转换成相应的 Unicode 形式）

实际上L"xxx"只是通知编译器，我们需要的是wchar_t类型的字符串，而不能影响编码。

真正的UNICODE字符串在哪里？

3）Line 12：

等同于    CStringW s1 ("蔡"); // 21 85 00 00

我们看到，得到了真正的UNICODE 字符串。因为CString（在MFC 7.1中，不存在MFC的CString，实际上由ATL::CStringT通过typedef定义而得）的构造函数，在这里实际上是CStringW的构造函数，根据输入的参数是char类型字符串，会自动调用MultiByteToWideChar转换MBCS字符串为UNICODE字符串。

4）相应Line 12，那么Line 35得到的结果32 a8 ac 00是什么？和Line 12类似：

CString构造函数，在这里实际上是CStringA的构造函数，根据输入的参数是wchar_t类型字符串，会自动调用WideCharToMultiByte转换UNICODE字符串为MBCS字符串。但是根据2），我们知道，输入的参数不是UNICODE字符串，只是MBCS的wchar_t类型字符串，所以得到的是错误的编码。

　

总结以上，可知：

1）CRT不能生成和处理UNICODE类型字符串，对于wchar_t类型字符串，只能处理MBCS编码；

2）VC RunTime中带W后缀的函数，和所有的COM函数，对于wchar_t类型字符串，只能处理UNICODE编码；

3）如果不考虑输出，只是进行拷贝、比较等操作，只要注意_T的含义和字符串的字符类型长度就可以了；但是如果需要输出，必须注意字符串的编码转换。
4）使用UNICODE或者MBCS的编译选项，只是影响字符串的字符类型（自动识别_T，CString等，自动把函数转换为xxxxA()或者xxxxW()），不影响字符串的编码。下表的代码结果不受编译选项影响（这也是编译器处理_T，CString等后的结果）：

CStringA s = "xxx"; // 等于 CA2A("xxx")
结果为SBCS（单字节编码）
printf()正确
OutputDebugStringA()正确		CStringW s = "xxx"; // 等于 CA2W("xxx")
结果为UNICODE编码
wprintf()错误
OutputDebugStringW()正确
CStringA s ＝ L"xxx"; // 等于 CW2A(L"xxx")
结果为MBCS编码（可能错误）
printf()错误
OutputDebugStringA()错误		CStringW s = L"xxx"; // 等于 CW2W("xxx")
不改变字符串的编码，仍然是MBCS。
wprintf()正确
OutputDebugStringW()错误

疑问：我认为对于CW2W是由系统编码决定，可以直接得到UNICODE吗？

关于CW2A，如果后面的字符串的确是UNICODE编码，则可以得到正确的相应MBCS编码字符串。实际上，这也是我们要输出UNICODE的方法：

CStringW s = "蔡"; // s 现在是UNICODE编码

// wprintf(s)不正确

CW2A psz(s); // psz现在是s相应的正确的MBCS编码！

printf(psz); // 正确

// All is OK, a little more to say

CA2W wsz(psz); // wsz现在是psz的错误的UNICODE编码，即32 a8 ac 00

　

　

推荐参考资料

  • The Complete Guide to C++ Strings：个人认为很好和很全面的文章

The Complete Guide to C++ Strings, Part I - Win32 Character Encodings

http://www.codeproject.com/string/CPPStringGuide1.asp


The Complete Guide to C++ Strings, Part I - Win32 Character Encodings

http://www.codeproject.com/string/cppstringguide2.asp

  • 这2篇是不错的中文翻译。 :)


    C++字符串完全指引之一 —— Win32 字符编码
    http://www.vckbase.com/document/viewdoc/?id=1082

    C++字符串完全指引之二 —— 字符串封装类

    http://www.vckbase.com/document/viewdoc/?id=1096


  • 其它一篇
    STL 字符串类与 UNICODE

    http://www.vckbase.com/vckbase/default.aspx

  • 当然，少不了MSDN

    TCHAR.H 中的一般文本映射

    http://msdn.microsoft.com/library/chs/default.asp?url=/library/CHS/vccore/html/_core_generic.2d.text_mappings_in_tchar..h.asp

    建议：最好把整个“国际编程”目录看一次（虽然看完还是糊涂 :) ）

    http://msdn.microsoft.com/library/CHS/vccore/html/_core_International_Programming_Topics.asp
ecai
关注
gcc-c++-3.4.6-3.1.x86_64.rpm
08-20
gcc-c++-3.4.6-3.1.x86_64.rpm
c语言编译出现无效预处理器,C语言的编译期行为（二） #error预处理器指令
weixin_29187895的博客
05-18 751
#error预处理器指令格式：#error any message该预处理将产生一条编译时错误信息，信息中包含#error后指定的内容。C语言标准中，要求对于#error后面的指定的内容也进行宏展开，但在我测试后发现Visual Studio 2008并没有对这一特性提供支持。所以，在我们的程序中，应尽量避免出现不同编译器实现可能各不相同的标准特性。该预处理器指令看似无用，因为一旦遇到它，程序的编...
C++: VC6转VC8出现问题：error C2664: “fopen”: 不能将参数 1 从“CString”转换为“const char *”...
weixin_30414245的博客
02-27 330
其实还可能出现其它类似的问题，如： error C2664: “fopen”: 不能将参数 1 从“CString”转换为“const char *” error C2039: “strcpy”: 不是“ATL::CStringT<BaseType,StringTraits>”的成员 但是程序在VC6下编译得很好，经过研究发现是设置上有所不同。在VC6中，默认使用MBC...
c++ 之字符串补充篇
航行的土豆的博客
02-16 1567
string篇之补充 .c_str() 与 .data（） 简述: c++17之前： 通过.c_str()方法可得到一个const char的指针指向str储存字符的内存空间 通过.data()方法可得到一个const char的指针指向str储存字符的内存空间 c++17之后： 通过.c_str()方法可得到一个const char的指针指向str储存字符的内存空间 注意: 通过.data()方...
c++ 不足位数补足某个字符的方法
weixin_43757333的博客
09-21 2371
#include<iostream> #include <iomanip> using namespace std; int main(){ int a; cin>>a; cout<<setfill('0')<<setw(4)<<a<<endl; return 0; } 可以看到输出结果如图所示
C++中L和_T()之区别
热门推荐
Awey_001的专栏
01-12 1万+
字符串前面加L表示该字符串是Unicode字符串。<br />_T是一个宏，如果项目使用了Unicode字符集（定义了UNICODE宏），则自动在字符串前面加上L，否则字符串不变。因此，Visual C++里边定义字符串的时候，用_T来保证兼容性。VC支持ascii和unicode两种字符类型，用_T可以保证从ascii编码类型转换到unicode编码类型的时候，程序不需要修改。以下是别人的总结：一、在字符串前加一个L作用:  <br />  如 L"我的字符串" 表示将ANSI字符串转换成unicode的
gcc-c++-4.4.4-13.el6.x86_64.rpm
03-18
gcc-c++-4.4.4-13.el6.x86_64.rpm
tdm64-gcc-10.3.0-2.exe.7z
09-23
GCC，全称GNU Compiler Collection，是由GNU项目开发的一套开源的编译器套件，支持多种编程语言，如C、C++、Fortran、Objective-C、Ada等。这个特别的版本是TDM-GCC（TDMMingw）的一个发行版，它是GCC与MinGW...
C++代码 - 通过异或字符加密字符串.zip
最新发布
06-29
字符串加密
gcc-c++-4.1.2-54.el5.x86_64.rpm
03-10
gcc-c++-4.1.2-54.el5.x86_64.rpm
C++中L关键字
Think88666的博客
03-19 5900
关键字“L”，则是不管编码环境是什么，都是将其后面的字符串以Unicode方式保存。 即每个字符占用两个字节！ 测试代码如下: 1、 #include <iostream> using namespace std; int main() { cout << sizeof("wang") << endl; return 0; } 打...
C++ 字符串填充0
haithink的专栏
04-15 6673
sprintf 当然是没问题的，但是 不想自己来计算 头文件 #include #include 代码： ss << setw(5) << setfill(‘0’) << i << “.jpg”; cout << ss.str() << endl; ...
C++ 对字符串处理方式整理
zhengjuqiang的博客
04-25 2213
判断字符是英文还是汉字 /* brief 判断字符是英文还是汉字 param ch 字符（字节） return true：是英文；false：是中文 */ static bool isEnglishChar(char ch) { /*汉字的三个字节（有些编码格式是两个字节）的最高为都为1,这里采用判断最高位的方法 将ch字节进行移位运算，右移8位，这样，如果移位后是0， ...
字符串操作-分解字符串并补0
vict_wang的博客
01-03 3027
题目描述 按要求分解字符串： 输入两个数M,N M：输入的M串字符串 N：输出的每串字符串的位数，不够补0。 eg input：2 8 abc 123456789 out：abc00000 12345678 90000000 解题 C++字符串常用函数: string substr (size_t pos = 0, size_t len = npos) const; note:第...
bcmp
weixin_34365635的博客
04-01 130
原型：externintbcmp(constvoid*s1,constvoid*s2,intn);用法：#include<string.h>功能：比较字符串s1和s2的前n个字节是否相等说明：如果s1=s2或n=0则返回零，否则返回非零值。bcmp不检查NULL。举例：//bcmp.c#i...
C++ string字符串的增删改查
stromxu 的专栏
09-11 1万+
转载请标明出处： http://blog.csdn.net/u011974987/article/details/52505004 本文出自:【徐Xiho的博客】 c++ 提供的string类包含了若干实用的成员函数，大大方便了字符串的增加、删除、更改、查询等操作。插入字符串insert（）函数可以在string字符串中置顶的位置插入另一个字符串，它的原型为：string& inser
c++ 数字转字符串如何前导补0，一行代码就搞定
闲人的专栏
07-30 1万+
对于数字，int转string时经常需要补0，比如日期0201，2月1日。或序列号0001。 int n_zero = 4; string old_string = "2"; std::string new_string = std::string(n_zero - old_string.length(), '0') + old_string; 注意不要让n_zero小于 old_string长度，否则unsigned int会让你崩溃。 https://stackoverfl...
string.h函数结合
weixin_30940783的博客
03-04 67
用过的函数都记载下来，方便忘记再查询 char *strtok(char s[], const char *delim); 功能：分解字符串为一组字符串。s为要分解的字符，delim为分隔符字符（如果传入字符串，则传入的字符串中每个字符均为分割符）。首次调用时，s指向要分解的字符串，之后再次调用要把s设成NULL。 转载于:https://www.cnblogs.com/fengyehe/p...
C++字符串处理函数详解
"这是关于C++字符串处理函数的总结，涵盖了常用的字符串操作，如拷贝、拼接、查找和比较等。" 在C++编程中，字符串处理是非常常见且重要的任务，这里列举了一些基本的字符串函数，帮助理解并有效管理字符串。 1. ...
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值