ANSI与Unicode编码,TCHAR | LPSTR | LPCSTR | LPWSTR | LPCWSTR | LPTST

一个字符可以用1-byte表示,即ANSI编码;

一个字符也可用2-bytes表示,即Unicode编码(Unicode其实还包含了更多内容,不止2-bytes)。

Visual C++支持char和wchar_t作为ANSI和Unicode的原始数据类型。

例如

char cResponse; // 'Y' or 'N'
char sUsername[64];
// str* functions

以及

wchar_t cResponse; // 'Y' or 'N'
wchar_t sUsername[64];
// wcs* functions

它们可以统一写成

#include<TCHAR.H> // Implicit or explicit include
TCHAR cResponse; // 'Y' or 'N'
TCHAR sUsername[64];
// _tcs* functions

TCHAR则是根据选择的字符集决定是翻译成char还是wchar_t,字符集的设置如下:

所以TCHAR的定义如下:

#ifdef _UNICODE
typedef wchar_t TCHAR;
#else
typedef char TCHAR;
#endif

在windows中,一般前缀 代表了它可以自适应不同的字符集。

比如:strcpystrlenstrcat(包括安全后缀_s)代表ANSI版本;

         wcscpywcslenwcscat(包括安全后缀_s),代表Unicode版本,这里WC代表Wide Character;

         _tcscpy_tcslen_tcscat则视情况而定:

size_t strlen(const char*); //ANSI
size_t wcslen(const wchar_t* ); //Unicdoe
size_t _tcslen(const TCHAR* ); //ANSI or Unicode

 我们知道一个string使用双引号表示,这种表示说明它是一个ANSI-string,每个字符占1-byte,例如:

"This is ANSI String. Each letter takes 1 byte."

要转换成Unicdeo-string需要加前缀:L

[__strong__]L"This is Unicode string. Each letter would take 2 bytes, including spaces."

Unicode编码的字符,每个都占用2-bytes,哪怕是可以用1-byte表示的,比如英文字母,数字,null字符等。所以一个unicode-string占用的字节总是2-bytes的倍数。

结合上面提到的 T 前缀,一种适用于两种字符集的写法是这样的:

"ANSI String"; // ANSI
L"Unicode String"; // Unicode

_T("Either string, depending on compilation"); // ANSI or Unicode

_TTEXT是一个宏定义,它与前缀 T 表示的意思一样,定义如下:

// SIMPLIFIED
#ifdef _UNICODE 
 #define _T(c) L##c
 #define TEXT(c) L##c
#else 
 #define _T(c) c
 #define TEXT(c) c
#endif

上面的##叫“token-pasting operator”。在Unicode下,_T("Unicode")被翻译成L"Unicode";在ANSI下,_T("Unicode")被翻译成“Unicode”。

注意,不能通过_T来转换一个变量(string or character),下面的操作是不允许的:

char c = 'C';
char str[16] = "CodeProject";

_T(c);
_T(str);

如果你是在ANSI(Multi-Byte)下编译,可以顺利通过,_T(c), _T(str)被翻译成c, str;

但是在Unicode下编译,就会报错:

error C2065: 'Lc' : undeclared identifier
error C2065: 'Lstr' : undeclared identifier

结合_T的定义不难弄懂。

在windows中,几乎所有需要传入string或character的API,都有通用的版本,例如: SetWindowTextA/W,就可以统一写成:

BOOL SetWindowText(HWND, const TCHAR*);

但我们知道SetWindowText是一个宏,它代表了以下两种之一:

BOOL SetWindowTextA(HWND, const char*);
BOOL SetWindowTextW(HWND, const wchar_t*);

但其实,在内部实现时,不论ANSI还是Unicode都统一通过Unicode方式实现,当你调用 SetWindowTextA 时(传入ANSI-string),它会先转化成Unicode-string,再调用SetWindowTextW实现。真正发挥作用的只有Unicode的版本!

所以在写代码时建议是直接调用Unicode版本的api,尽管我们对ANSI版本的string更熟悉。

Note:存在另外一个typedef:WCHAR,它等价于wchar_t

 我们知道strlen定义如下:

size_t strlen(const char*);

它也可以写成

size_t strlen(LPCSTR);

所以

// Simplified
typedef const char* LPCSTR;

它的含义如下

  • LP: Long Pointer
  • C: Constant
  • STR: String

Long Pointer与Pointer意思一样。

举一反三,对于Unicode字符,我们有:

size_t wcslen(const wchar_t* szString); // Or WCHAR*
size_t wcslen(LPCWSTR szString);

这里 LPCWSTR代表

typedef const WCHAR* LPCWSTR;

它的含义如下

  • LP - Pointer
  • C - Constant
  • WSTR - Wide character String

更进一步,有LPCTSTR

  • LP - Pointer
  • C - Constant
  • T = TCHAR
  • STR = String

总结:

  • TCHAR - char / wchar_t (取决于字符集)
  • LPSTR - char*
  • LPCSTR - const char*
  • LPWSTR - wchar_t*
  • LPCWSTR - const wchar_t*
  • LPTSTR - TCHAR*
  • LPCTSTR - const TCHAR*

 在编程中有时候会因为选择的字符集不同,而编译出错,如下面的写法在ANSI下没事,但在Unicode下就会报错:

int main()
{
    TCHAR name[] = "Saturn";
    int nLen; // Or size_t

    lLen = strlen(name);
}
  • error C2440: 'initializing' : cannot convert from 'const char [7]' to 'TCHAR []'
  • error C2664: 'strlen' : cannot convert parameter 1 from 'TCHAR []' to 'const char *'

同样的问题出现在:

nLen = wcslen("Saturn");
// ERROR: cannot convert parameter 1 from 'const char [7]' to 'const wchar_t *'

遗憾的是,上面的错误不能通过强制转换的方法修改:

nLen = wcslen((const wchar_t*)"Saturn");

上面的写法会得到错误的结果,往往导致越界。原因是“Saturn”占用7个字节

'S'(83)'a'(97)'t'(116)'u'(117)'r'(114)'n'(110)'\0'(0)

但传给wcslen的时候,对于每个字符分配2-bytes。因此头两个字节[83,97]被看作一个字符,value:(97<<8 | 83),是字符'?'.后面的以此类推。

所以如果用Unicode的api,需要提前转换:

TCHAR name[] = _T("Saturn");
//或者
wcslen(L"Saturn");

在之前的例子中,strlen(name)中的name在Unicode下编译,每个字符占2-bytes,如果强制转换成ANSI:

lLen = strlen ((const char*)name);

也会出现问题,‘S'原来表示为[83,0],但在ANSI中第一个字节[83]可以被正确翻译成'S',但接着第二个字节[0]直接被翻译为为'\0',结束了整个字符串。所以strlen得到的结果为1

综上,C语言风格的强制转换在这里是行不通的。

 如果需要分配内存,在C++中通过new直接指定字符的个数,不用去管具体分配了多少字节:

LPTSTR pBuffer; // TCHAR* 

pBuffer = new TCHAR[128]; // Allocates 128 or 256 BYTES, depending on compilation.

 但如果你是用malloc,LocalAlloc,GlobalAlloc这类api分配空间,就需要指定具体的字节数:

pBuffer = (TCHAR*) malloc (128 * sizeof(TCHAR) );

相关推荐