宽字符与Unicode （c语言汉语字符串长度）

最新推荐文章于 2024-07-27 16:50:24 发布

ken2232

最新推荐文章于 2024-07-27 16:50:24 发布

阅读量286

点赞数

文章标签： c++ 开发语言

本文链接：https://blog.csdn.net/ken2232/article/details/130286876

版权

C/C++宽窄字符转换与输出（多种方法）

宽字符

C语言中的宽字符

-------------------------------------------------------

https://blog.csdn.net/ken2232/article/details/130316198
QString::toWCharArray 与宽字符路径、空格（测试OK）(***)

=========================

C/C++宽窄字符转换与输出（多种方法）

文章目录

C语言宽字符输出和转换

==> 学习汇总（持续更新）
==> 从零搭建后端基础设施系列（一）-- 背景介绍

宽字符

Unicode

宽字符有很多种，Unicode只是宽字符编码的一种实现，每个字符用 16位表示。

Unicode的产生是为了解决许多8位无法标识的东西。

ASCII

这是世界上流行的编码，每个字符用 7位表示。但是这套编码不能表示一些其他国家的字符，可以说这套编码是为美国设计的。

C语言的宽字符是基于 wchar_t 数据类型的。这个数据类型被定义在多个头文件中，包括 WCHAR.H

typedef unsigned short wchar_t;

所以 wchar_t 数据类型和一个无符号整型一样，都是 16位宽。

可以这样定义一个包含单个宽字符的变量

wchar_t c = 'A' ;

也可以这样定义：

wchar_t c = L'A' ; //但这通常是不需要的。

变量 c 是一个 2 byte 的值0x0041,这是Unicode中字母A的代表。它在内存中的存储是按照高位在后，低位在前存储的。

所以在内存中是这样，0x41,0x00。

可以这样定义一个已初始化的指向宽字符串的指针：

wchar_t *p = L"Hello!";

注意：大写字母 L 紧接着左引号。这向编译器表明这个字符串将用宽字符存储，也就是说每个字符 2 byte。

这个字符串一共 14 byte，因为字符串结尾需要加 0 。

指针变量 p 需要 4 byte的存储空间，因为在汇编里 cs:ip 表示代码执行的指针。cs : 段位移 ip : 偏移地址。

宽字符库函数

大家都知道 char *pc = "Hello!"; iLength = strlen(pc); iLength = 6

那么 wchar_t *pw = L"Hello!"; iLength = strlen(pw); iLength = ?

此时编译的话编译器会发出警告，意思是strlen函数在被定义是为接收一个指向char的指针，

但这里收到的是一个指向无符号短整型的指针。但仍可以运行。但 iLength =1 这是为什么呢？

因为这些字符串数据是这样存储在内存中的 48 00 65 00 6c 00 6F 00 21 00

strlen函数仍试图找字符串的长度，计算第一个字节作为字符，但然后认为第二个字节 0 为字符串的结尾。所以长度为 1 。

因此对于宽字符的数据处理也引入了专门的库函数。

宽字符版本的strlen函数被称为 wcslen("string"),并定义在STRING.H 和 WCHAR.H 中。

在介绍使用之前，先来介绍下面两个数据类型： CHAR WCHAR

在 WINNT.H 中定义了：

typedef char CHAR; 用来定义 8位的字符

typedef wchar_t WCHAR; 用来定义 16位的字符

当然其中也定义了字符指针：

这些都是 8位字符串指针指每次指针移动偏移 8位

typedef CHAR * PCHAR,* LPCH,* NPSTR, * PSTR;

typedef CONST CHAR * LPCCH, * PCCH, * LPCSTR, * PCSTR;

这里的 PCHAR,LPCH,NPSTR,PSTR 都是CHAR * 的别名，以后定义一个指针就可以直接用别名了。

例如：CHAR *P 和 PCHAR P 是同一个意思，懂了吧

也有 16位的字符串指针指每次指针移动偏移 16 位

typedef WCHAR *PWCHAR,*LPWCH, *PWCH, *NWPSTR, *LPWSTR, *PWSTR;

typedef CONST WCHAR * LPCWCH, * PCWCH, * LPCWSTR, * PCWSTR;

另外，前缀 N 和 L 分别是表示"近"(near)，和"远"(long),指的是 16位 Windows系统中的两种大小不同的指针

不过在win32中near，和long指针没有区别，所以不必管它。

那么如何使用同一个函数名来实现不同的功能呢？

在包含头文件 TCHAR.H 的情况下，举个例子：如果一个命名为_UNICODE的标识符被定义了，那么就实现处理宽字符串的功能，

否则就仍是处理单字节字符的字符串。

#ifdef  UNICODE                   
typedef WCHAR TCHAR, *PTCHAR ;
typedef LPWSTR LPTCH, PTCH, PTSTR, LPTSTR ;
typedef LPCWSTR LPCTSTR ;
#else 
typedef char TCHAR, *PTCHAR ;
typedef LPSTR LPTCH, PTCH, PTSTR, LPTSTR ;
typedef LPCSTR LPCTSTR ;
#endif

同时用来选择字符处理函数，例如WINUSER.H中：

#ifdef UNICODE
#define MessageBox  MessageBoxW
#else
#define MessageBox  MessageBoxA
#endif