关于Unicode 和字符集的最基础的知识

字符串非常非常常见又重要，而且还有那么多名堂在里面

　　字符串:

　　在标准C中，是没有字符串变量的，但是有字符数组。而且标准C带有的标准库函数：string.h中包含了大量的字符串操作函数，当然如果必要的话，你也可以自己写代码实现这些函数的功能。我认为即便C语言再简单，即便这些知识看起来是多么枯燥和简单，依然有必要回顾并牢记它们：

　　对于32位操作系统

　　int (2字节) short （1字节） long（4字节）

　　unsigned char 从0到256之间

　　char 从-128到127之间

　　byte 字节就是无符号的字符

　　unicode：两字节的字符

　　由此可见:byte=nusigned char, short=char

　　char* :是指向ANSI字符数组的指针，其中每个字符占据8位（有效数据是除掉最高位的其他7位），这里保持了与传统的C,C++的兼容。

　　TCHAR: 在采用Unicode方式编译时是wchar_t,在普通时编译成char. 如果定义_UNICODE，声明如 ：typedef wchar_t TCHAR; 如果没有定义_UNICODE，则声明如：typedef char TCHAR;

　　LPSTR: 是一个指向以‘\0’结尾的ANSI字符数组的指针，与char*可以互换使用，在win32中较多地使用LPSTR。

　　LPTSTR和LPCTSTR：中的含义就是每个字符是这样的TCHAR。

　　LPWSTR与LPCWSTR：类似于LPSTR与LPCSTR，只是字符数据是16位的wchar_t而不是char。

　　LPCSTR: 增加的‘C’的含义是“CONSTANT”（常量），表明这种数据类型的实例不能被使用它的API函数改变，除此之外，它与LPSTR是等同的。

　　LPCTSTR:

　　#ifdef _UNICODE

　　typedef const wchar_t * LPCTSTR;

　　#else

　　typedef const char * LPCTSTR;

　　#endif

　　CString类， 是由微软公司集成在VC的MFC里面，包含字符串各种常见操作的类。其源码可以在MFC里面找到。

　　当声明一个字符串变量，首先会调用构造函数，在成功后，便可利用它的常见操作。

　　CString 是一个完全独立的类，动态的TCHAR数组，封装了 + 等操作符和字符串操作方法。

　　1、ANSI（即MBCS）：为多字节字符集，它是不定长表示世界文字的编码方式。

　　2、Unicode：用两个字节表示一个字符的编码方式。

　　MBCS宏对应的字符串指针为LPSTR，Unicode对应的指针为LPWSTR。LPSTR被定义成是一个指向以NULL(‘\0’)结尾的8位ANSI字符数组指针，而LPWSTR是一个指向以NULL结尾的16位双字节字符数组指针。

　　为了写程序的方便，微软定义了类型LPTSTR，在MBCS下它表示LPSTR，在Unicode下它表示LPWSTR，这就可以重定义一个宏进行不同字符集的转换了。

　　LP STR：指向一个字符串的32位指针，每个字符占1个字节。

　　LPC STR：指向一个常量字符串的32位指针，每个字符占1个字节。

　　LP TSTR：指向一个字符串的32位指针，每个字符可能占1个字节或2个字节。

　　LPC TSTR：指向一个常量字符串的32位指针，每个字符可能占1个字节或2个字节。

　　强制转换为UNICODE，应该是L。字符串（literal string）前面的大写字母L，用于告诉编译器该字符串应该作为U n i c o d e字符

　　串来编译。当编译器将字符串置于程序的数据部分中时，它在每个字符之间分散插入零字节。

　　#ifdef _UNICODE

　　#define _T L

　　#else

　　#define _T

　　#endif

　　These data-type mappings are defined in TCHAR.H and depend on whether the constant _UNICODE or _MBCS has been defined in your program.

　　当我们在利用CString 类便捷性时，有些特殊化的东西无法做，于是相互之间的转换变经常被需要：

　　在转换之前必须确保你的字符的范围在你的范围之内。

　　1.CStirng转 char *

　　传给未分配内存的指针.

　　CString cstr1="ABCD";

　　char * ch=cstr1.GetBuffer(cstr1.GetLength()+1); //获取指向CString最后一个字符的地址。

　　cstr1.ReleaseBuffer();

　　注意：用完ch后,不用delete ch,因为这样会破坏cstr内部空间,容易造成程序崩溃.

　　GetBuffer :这个函数是为一个CString对象重新获取其内部字符缓冲区的指针,返回的LPTSTR为非const的,从而允许直接修改CString中的内容!如果nMinBufLength 比当前buffer大,那么就调用ReleaseBuffer函数去释放当前的Buffer,用一个被请求的大小去覆盖这个buffer.

　　而GetBuffer则是返回一个可以供调用者写入的内存，并且，你可以给定大小。其实它就相当于申请一块nLen大小的内存，只不过，这块内存是被引用在CString对象的内部而已，这是非常有效的一种用法，如果不直接用GetBuffer函数来申请的话，那么你必须用new操作符（或者malloc()函数）在CString的外部申请，然后再将申请的内存拷贝到CString对象中，显然这是一个非常冗余的操作，会使你函数的效率大大下降。

　　ReleaseBuffer函数是用来告诉CString对象，你的GetBuffer所引用的内存已经使用完毕，现在必须对它进行封口，否则CString将不会知道它现在所包含的字符串的长度，所以在使用完GetBuffer之后，必须立即调用ReleaseBuffer函数重置CString的内部属性，其实也就是头部信息。

　　值赋给已分配内存的char *

　　CString cstr1 = "ASDDSD";

　　int strLength = cstr1.GetLength() + 1;

　　char *pValue = new char[strLength];

　　strncpy(pValue, cstr1, strLength);

赋值：

　　char* psz = “joise”; 没有构造函数，仅可以赋值（因为它本身就是基本型）

　　CString cstr( psz ); 可以从基本的一些字符串变量构造而来，包括char*等

　　string str( cstr ); 可以从几乎所有的字符串构造而来，包括CString和char*；

　　以上也可以看作由 char *转CStirng的办法。

　　1.char *:

　　char *psz = NULL;

　　psz = new char[10]; //当然，以上的直接写成char *psz = new char[10];也是一样

　　memset( psz, 0, 10 );

　　strcpy( psz, “joise” );

　　2.CString:

　　CString cstr;

　　cstr = psz; 字符指针直接赋值

　　3.string:

　　string str;

　　str = psz; 字符指针直接赋值

　　str = cstr; CString变量直接赋值

　　delete []psz;

　　加运算

　　string与CString差不多，可以直接与char*进行加法，但不可以相互使用+运算符

　　char*没有+运算，只能使用strcat把两个指针连在一起；

　　strcat( psz, cstr );//合法

　　strcat( psz, str );//非法，由此可见，CString可自动转换为const char*，而string不行

　　[]运算

　　CString最好，当越界时会抛出断言异常；

　　string与char*下标越界结果未定义；

　　C语言串的基本运算

　　1、求串长

　　int strlen(char *s); //求串s的长度

　　【例】printf("%d",strlen(s1)); //输出s1的串长12

　　2、串复制

　　char *strcpy(char *to,*from)；//将from串复制到to串中，并返回to开始处指针

　　【例】strcpy(s3,s1); //s3="dir/bin/appl",s1串不变

　　3、联接

　　char *strcat(char *to,char *from);//将from串复制到to串的末尾，

　　//并返回to串开始处的指针

　　【例】strcat(s3,"/"); //s3="dir/bin/appl/"

　　strcat(s3,s2); //s3="dir/bin/appl/file.asm"

　　4、串比较

　　int strcmp(char *s1,char *s2);//比较s1和s2的大小，

　　//当s1s2和s1=s2时，分别返回小于0、大于0和等于0的值

　　【例】result=strcmp("baker","Baker"); //result>0

　　result=strcmp("12","12"); //result=0

　　result=strcmp("Joe","joseph") //result<0

　　5、字符定位

　　char *strchr(char *s,char c);//找c在字符串s中第一次出现的位置，

　　//若找到，则返回该位置，否则返回NULL

　　【例】p=strchr(s2,'.'); //p指向"file"之后的位置

　　if(p) strcpy(p,".cpp"); //s2="file.cpp"

　　注意：

　　①上述操作是最基本的，其中后 4个操作还有变种形式：strncpy，strncath和strnchr。

　　②其它的串操作见C的。在不同的高级语言中，对串运算的种类及符号都不尽相同

　　③其余的串操作一般可由这些基本操作组合而成

　　【例】求子串的操作可如下实现：

　　void substr(char *sub,char *s,int pos,int len){

　　//s和sub是字符数组，用sub返回串s的第pos个字符起长度为len的子串

　　//其中0<=pos<=strlen(s)-1,且数组sub至少可容纳len+1个字符。

　　if (pos<0||pos>strlen(s)-1||len<0)

　　Error("parameter error!");

　　strncpy(sub,&s[pos],len); //从s[pos]起复制至多len个字符到sub