代码升级：从多字节到Unicode字符集

    十几年前，还是用VC++6.0开发，使用的是多字节字符集，字符串类型的变量一般用：char[], char*，const char*，CString。随着开发工具的更新，需求的变化，更高版本的系统需要使用Unicode字符集。旧代码的算法逻辑并没有什么问题，只是字符串参数类型和一些字符串操作函数需要修改一下，当然不必重写一遍，只需要对代码进行升级，从多字节字符第一步集升级到Unicode字符集。这里就讲一下如何快速升级字符串。

1、修改常量字符串

    这个操作的目的是将"......."替换为_T("......")，这里_T()是一个宏定义，在多字节字符集下什么都不做，在Unicode字符集下则在字符串前面加一个“L”字符，标识字符串为Unicode字符集。一般来说，字符串内容在代码里是非常多的，如果遍历所有文件去手工修改，这个工作量无疑是非常大的，但我们完全不需要这么做。打开一个代码文件，打开“在文件中替换”对话框（快捷键：Ctrl+Shit+H），展开“查找选项”，勾选“使用正则表达式”，然后你会看到“查找内容”和“替换为”下方的输入框右边分别有个按钮（按钮文字为"(a)+"）被激活。
    点击“查找内容”这个按钮，就会出现一个菜单，各个菜单项就是预定义的一些正则表达式及其用途说明，最后一项是正则表达式说明。这次，我们要使用的是菜单“引用字符串”，表达式为：((\".+?\")|('.+?'))。这个表达式匹配用引号或单引号包含的任意一个或多个字符。我们需要处理的字符串只用引号，而且还包含""这种引号内不含字符的形式，需要修改为：(\".*?\") 。就是将“.+”换成“.*”，去掉外面的括号和“|”后面的部分，“.+”和“.*”这两种表达式也可以从按钮菜单上看到其说明。
    点击“替换为”对应的按钮，弹出的菜单比较简单，因为我们只是要在原字符外面使用“_T()”，所以使用“$1”就好，这个表达式就代表匹配的字符串，任何非正则表达式的部分，会被直接原样替换到所搜匹配的项。
   总结一下，就是在“查找内容”的输入框输入：(\".*?\")，在“替换为”的输入框输入：_T($1)，查找范围选择“整个解决方案”，为了检验一下效果，可以点击“查找下一个”按钮，看一下选中的匹配项是否正确，然后点击“替换”查看一下替换的结果是否正确，如果无误，撤销刚才的替换操作，点击“全部替换”，等待操作完成，在查找结果窗口可以看到替换结果。

2、特殊字符串处理

   按照操作1处理之后，你会发现有些不需要处理的地方也被处理了，一类是头文件包含语句，例如：include "StdAfx.h"，一类是已经是Unicode形式的字符串，例如：L".."，_T("")，这些字符串被替换后需要恢复。同样，我们也可以使用正则表达式替换，具体如下：

    将 #include _T("...") 还原为 #include "..."，查找内容：#include _T\((\".*?\")\)，替换为：#include $1
    将 _T(_T("...")) 还原为 _T("...")，查找内容：_T\((_T\(\".*?\"\))\)，替换为：$1
    L_T("...") 还原为 L"..."，查找内容：L_T\((\".*?\")\)，替换为：L$1
    当然，还有其他情况可以自动处理或手工处理，比如 extern "C" ，代码不会很多，手工处理一下就行了。

3、字符串函数处理

    一些字符串函数，其实本身已经针对多字节字符版和Unicode字符版实现了两个版本，函数定义的头文件里已经用宏形式进行了自动替换，旧代码里是直接使用了多字节字符版本，只需换成宏形式的函数名，这样就可以兼容多字节字符和Unicode字符两个版本了。常见的函数替换如下，这里就不需要使用正则表达式替换，直接替换即可：
atoi -> _tstoi
atol -> _tstol
atof -> _tstof
strlen -> _tcslen
strcpy -> _tcscpy
strcat -> _ tcscat
sscanf -> _stscanf
sprintf -> _stprintf

4、char 类型处理

    一般情况下， char 类型需要替换为 TCHAR。 TCHAR 也是一个宏定义形式，在多字节字符集下是 char，在Unicode字符集下是wchar_t。除了直接写为 char 的形式，还有LPSTR和LPCSTR两种宏定义形式，展开宏结果为char*和const char*，这两个也需要替换，分别是 LPTSTR 和 LPCTSTR 这两个宏，展开是 TCHAR* 和 const TCHAR*。

5、CString 类型处理

    CString 本身是自动适应字符集的。编译的时候，你可能会发现这种形式 CString str = "..."; 是可以正常编译的，实际上这是因为CString实现了参数为多字节字符串的构造函数，函数里自动进行了字符集转换，相当于 CStirng str = CString("...");，虽然这种形式可以正常使用，但增加了不必要的转换操作。实际上，这种情况是可以让编译器识别出来的，需要在头文件定义一个宏：
#define _ATL_CSTRING_EXPLICIT_CONSTRUCTORS
意思是某些 CString 构造函数将是显式的，这样 CString str = "...";将不能自动转换为 CStirng str = CString("...");形式，由于CString并不实现参数为多字节字符串的=操作，编译器会产生编译错误。于是，这样就可以发现非Unicode字符串然后修改为 CStirng str = _T("...")。

6、多字节字符集与Unicode字符集的转换

    这种转换函数当然已经存在，就是 MultiByteToWideChar 和 WideCharToMultiByte 这两个函数，如果觉得处理参数和返回值是有点麻烦，可以自己封装一下。
    实际上还有偷懒的方法，例如，要转换为多字节字符集，可以使用 CStringA 这个类型，这个类型是使用多字节字符集的，实现了使用Unicode字符串做参数的构造函数，也就是内部自动转换的。于是可以在需要转换的地方这样做：CStringA(unicode)，在需要const char*的地方使用 (const char*)CStringA(unicode) 这样处理。反之亦然。