ANSI与Unicode编码，TCHAR | LPSTR | LPCSTR | LPWSTR | LPCWSTR | LPTSTR | LPCTSTR 的含义

Posted 2020-09-10 hankeyyh

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 T 代表了它可以自适应不同的字符集。

比如：strcpy，strlen，strcat（包括安全后缀_s）代表ANSI版本;

         wcscpy，wcslen，wcscat（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

 

_T或TEXT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) );