计算机发明后,为了在计算机中表示字符,人们制定了一种编码,叫ASCII码。ASCII码由一个字节中的7位(bit)表示,范围是0x00 - 0x7F 共128个字符。他们以为这128个数字就足够表示abcd....ABCD....1234 这些字符了。
咳......说英语的人就是“笨”!后来他们突然发现,如果需要按照表格方式打印这些字符的时候,缺少了“制表符”。于是又扩展了ASCII的定义,使用一个字节的全部8位(bit)来表示字符了,这就叫扩展ASCII码。范围是0x00 - 0xFF 共256个字符。
咳......说中文的人就是聪明!中国人利用连续2个扩展ASCII码的扩展区域(0xA0以后)来表示一个汉字,该方法的标准叫GB-2312。后来,日文、韩文、阿拉伯文、台湾繁体(BIG-5)......都使用类似的方法扩展了本地字符集的定义,现在统一称为 MBCS 字符集(多字节字符集)。这个方法是有缺陷的,因为各个国家地区定义的字符集有交集,因此使用GB-2312的软件,就不能在BIG-5的环境下运行(显示乱码),反之亦然。
咳......说英语的人终于变“聪明”一些了。为了把全世界人民所有的所有的文字符号都统一进行编码,于是制定了UNICODE标准字符集。UNICODE 使用2个字节表示一个字符(unsigned shor int、WCHAR、_wchar_t、OLECHAR)。这下终于好啦,全世界任何一个地区的软件,可以不用修改地就能在另一个地区运行了。虽然我用 IE 浏览日本网站,显示出我不认识的日文文字,但至少不会是乱码了。UNICODE 的范围是 0x0000 - 0xFFFF 共6万多个字符,其中光汉字就占用了4万多个。嘿嘿,中国人赚大发了:0).
在程序中使用各种字符集的方法:
// 使用 ASCII 字符集
const char * p = "Hello";
// 使用MBCS 字符集,由于MBCS完全兼容ASCII,多数情况下,我们并不严格区分他们.
const char * p = "你好";
// 使用MBCS 字符集,由于MBCS完全兼容ASCII,多数情况下,我们并不严格区分他们.
LPCSTR p = "Hello,你好";
// 使用 UNICODE 字符集
const WCHAR * p = L"Hello,你好";
// 使用 UNICODE 字符集
LPCOLESTR p = L"Hello,你好";
// 如果预定义了_UNICODE,则表示使用UNICODE字符集;如果定义了_MBCS,则表示使用 MBCS .
const TCHAR * p = _T("Hello,你好");
// 如果预定义了_UNICODE,则表示使用UNICODE字符集;如果定义了_MBCS,则表示使用 MBCS .
LPCTSTR p = _T("Hello,你好");
在上面的例子中,T是非常有意思的一个符号(TCHAR、LPCTSTR、LPTSTR、_T()、_TEXT()...),它表示使用一种中间类型,既不明确表示使用 MBCS,也不明确表示使用 UNICODE。那到底使用哪种字符集那?嘿嘿......编译的时候决定吧。
设置条件编译的方式是:
VC6中,"Project => Settings => C/C++ => Preprocessor => Preprocessor definitions" 中添加或修改 _MBCS、_UNICODE;
VC.NET中,"Project => Properties => Configuration Properties => C/C++ => Preprocessor => Preprocessor definitions" 然后用组合窗进行选择。
使用 T 类型,是非常好的习惯,严重推荐!
BSTR
COM 中除了使用一些简单标准的数据类型外(注2),字符串类型需要特别重点地说明一下。还记得原则吗?COM 组件是运行在分布式环境中的。通俗地说,你不能直接把一个内存指针直接作为参数传递给COM函数。你想想,系统需要把这块内存的内容传递到“地球另一 边”的计算机上,因此,我至少需要知道你这块内存的尺寸吧?不然让我如何传递呀?传递多少字节呀?!而字符串又是非常常用的一种类型,因此 COM 设计者引入了 BASIC 中字符串类型的表示方式---BSTR。BSTR 其实是一个指针类型,它的内存结构是:(输入程序片段 BSTR p = ::SysAllocString(L"Hello, 你好"); 断点执行,然后观察p的内存.
BSTR是一个指向UNICODE 字符串的指针,BSTR前的4个字节中,使用DWORD保存着这个字符串的字节长度(没有含字符串的结束符)。因此系统就能够正确处理并传送这个字符串到“地球另一边”了。特别需要注意的是,由于BSTR的指针就是指向UNICODE 串,因此BSTR和LPOLESTR可以在一定程度上混用,但一定要注意:
例如
有函数 Testfun(LPCOLESTR lp),则你调用BSTR p = Testfun(p); 正确
有函数 Testfun(const BSTR bstr),则你调用 LPCOLESTR p = Testfun(p);错误!!!
有关BSTR的处理函数:
API 函数 | 说明 |
SysAllocString() | 申请一个 BSTR 指针,并初始化为一个字符串 |
SysFreeString() | 释放 BSTR 内存 |
SysAllocStringLen() | 申请一个指定字符长度的 BSTR 指针,并初始化为一个字符串 |
SysAllocStringByteLen() | 申请一个指定字节长度的 BSTR 指针,并初始化为一个字符串 |
SysReAllocStringLen() | 重新申请 BSTR 指针 |
CString 函数 | 说明 |
AllocSysString() | 从 CString 得到 BSTR |
SetSysString() | 重新申请 BSTR 指针,并复制到 CString 中 |
CComBSTR 函数 ATL 的 BSTR 包装类。在 atlbase.h 中定义 | |
Append()、AppendBSTR()、AppendBytes()、ArrayToBSTR()、BSTRToArray()、AssignBSTR()、Attach()、Detach()、Copy()、CopyTo()、Empty()、Length()、ByteLength()、ReadFromStream()、WriteToStream()、LoadString()、ToLower()、ToUpper() 运算符重载:!,!=,==,<,>,&,+=,+,=,BSTR | 太多了,但从函数名称不能看出其基本功能。详细资料,查看MSDN 吧。另外,左侧函数,有很多是 ATL 7.0 提供的,VC6.0 下所带的 ATL 3.0 不支持。 由于我们将来主要用 ATL 开发组件程序,因此使用 ATL 的 CComBSTR 为主。VC也提供了其它的包装类 _bstr_t。 |
各种字符串类型之间的转换
1、函数 WideCharToMultiByte(),转换 UNICODE 到 MBCS。使用范例:
LPCOLESTR lpwStr = L"Hello,你好";
size_t wLen = wcslen(lpwStr) + 1; // 宽字符字符长度,+1表示包含字符串结束符
// 第一次调用,计算所需 MBCS 字符串字节长度.
int aLen = WideCharToMultiByte(CP_ACP, 0, lpwStr, wLen, NULL, 0, NULL, NULL);
// 此时,lpa 中保存着转换后 MBCS 字符串
LPSTR lpaStr = new char [aLen];
WideCharToMultiByte( CP_ACP, 0, lpwStr, wLen, lpaStr, aLen, NULL, NULL);
2、函数 MultiByteToWideChar(),转换 MBCS 到 UNICODE。使用范例:
LPCSTR lpaStr = "Hello,你好";
size_t aLen = strlen(lpaStr) + 1;
int wLen = MultiByteToWideChar( CP_ACP, 0, lpaStr, aLen, NULL, 0);
LPOLESTR lpwStr = new WCHAR [wLen];
::MultiByteToWideChar( CP_ACP, 0, lpaStr, aLen, lpwStr, wLen);
//... ... ... ...
delete [] lpwStr;
3、使用 ATL 提供的转换宏。
A2BSTR | OLE2A | T2A | W2A |
A2COLE | OLE2BSTR | T2BSTR | W2BSTR |
A2CT | OLE2CA | T2CA | W2CA |
A2CW | OLE2CT | T2COLE | W2COLE |
A2OLE | OLE2CW | T2CW | W2CT |
A2T | OLE2T | T2OLE | W2OLE |
A2W | OLE2W | T2W | W2T |
2 | 好搞笑的缩写,to 的发音和 2 一样,所以借用来表示“转换为、转换到”的含义。 |
A | ANSI 字符串,也就是 MBCS。 |
W、OLE | 宽字符串,也就是 UNICODE。 |
T | 中间类型T。如果定义了 _UNICODE,则T表示W;如果定义了 _MBCS,则T表示A |
C | const 的缩写 |
使用范例:
#include <atlconv.h>
void Fun()
{
// 只需要调用一次,就可以在函数中进行多次转换
USES_CONVERSION;
// 不用显式释放lpszStr的内存,因为由于ATL转换宏使用栈作为临时空间,函数结束后会自动释放栈空间。
LPCTSTR lpszStr = OLE2CT(L"Hello,你好");
//......
}
使用 ATL 转换宏,由于不用释放临时空间,所以使用起来非常方便。但是考虑到栈空间的尺寸(VC 默认2M),使用时要注意几点:
1、只适合于进行短字符串的转换;
2、不要试图在一个次数比较多的循环体内进行转换;
3、不要试图对字符型文件内容进行转换,因为文件尺寸一般情况下是比较大的;
4、对情况2 和 3,要使用 MultiByteToWideChar() 和 WideCharToMultiByte();