多字符集(ANSI)和UNICODE及字符串处理方式准则

Posted 2020-06-24 朝闻道

在我们编写程序的时候，使用最多的是字符串的处理，而ANSI和UNICODE的相互转换经常搞的我们头晕眼乱。

应该说UNICODE是一种比较好的编码方式，在我们的程序中应该尽量使用UNICODE编码方式，我们在编写程序的时候，最好能依据下面的准则来进行：

基本准则：

1.将文本字符串想象为字符数组，而非char或字节数组

2.开始使用通用数据类型来表示文本字符和字符串（如TCHAR，PTSTR）

原因是我们可以在WinNT.h的头文件中找到如下定义（代码有删改）：

 

[cpp] view plain copy

 

1. #ifndef VOID   
2. #define VOID void   
3. typedef char CHAR;   
4. typedef short SHORT;   
5. typedef long LONG;   
6. typedef int INT;   
7. #endif   
8. #endif   
9. //   
10. // UNICODE (Wide Character) types   
11. //   
12. #ifndef _MAC   
13. typedef wchar_t WCHAR;    // wc,   16-bit UNICODE character   
14. #else   
15. // some Macintosh compilers don‘t define wchar_t in a convenient location, or define it as a char   
16. typedef unsigned short WCHAR;    // wc,   16-bit UNICODE character   
17. #endif   
18. typedef  WCHAR *PWCHAR, *LPWCH, *PWCH;   
19. typedef  CONST WCHAR *LPCWCH, *PCWCH;   
20. typedef  WCHAR *NWPSTR, *LPWSTR, *PWSTR;   
21. typedef  PWSTR *PZPWSTR;   
22. typedef  CONST PWSTR *PCZPWSTR;   
23. typedef  WCHAR UNALIGNED *LPUWSTR, *PUWSTR;   
24. typedef  CONST WCHAR *LPCWSTR, *PCWSTR;   
25. typedef  PCWSTR *PZPCWSTR;   
26. typedef  CONST WCHAR UNALIGNED *LPCUWSTR, *PCUWSTR;   
27. typedef CONST WCHAR *LPCWCHAR, *PCWCHAR;   
28. typedef CONST WCHAR UNALIGNED *LPCUWCHAR, *PCUWCHAR;   
29. //   
30. //  UCS (Universal Character Set) types   
31. //   
32. typedef unsigned long UCSCHAR;   
33. #define UCSCHAR_INVALID_CHARACTER (0xffffffff)   
34. #define MIN_UCSCHAR (0)   
35. //   
36. // ANSI (Multi-byte Character) types   
37. //   
38. typedef CHAR *PCHAR, *LPCH, *PCH;   
39. typedef CONST CHAR *LPCCH, *PCCH;   
40. typedef  CHAR *NPSTR, *LPSTR, *PSTR;   
41. typedef  PSTR *PZPSTR;   
42. typedef  CONST PSTR *PCZPSTR;   
43. typedef  CONST CHAR *LPCSTR, *PCSTR;   
44. typedef  PCSTR *PZPCSTR;   
45. //   
46. // Neutral ANSI/UNICODE types and macros   
47. //   
48. #ifdef  UNICODE                     // r_winnt   
49. #ifndef _TCHAR_DEFINED   
50. typedef WCHAR TCHAR, *PTCHAR;   
51. typedef WCHAR TBYTE , *PTBYTE ;   
52. #define _TCHAR_DEFINED   
53. #endif /* !_TCHAR_DEFINED */   
54. typedef LPWCH LPTCH, PTCH;   
55. typedef LPWSTR PTSTR, LPTSTR;   
56. typedef LPCWSTR PCTSTR, LPCTSTR;   
57. typedef LPUWSTR PUTSTR, LPUTSTR;   
58. typedef LPCUWSTR PCUTSTR, LPCUTSTR;   
59. typedef LPWSTR LP;   
60. #define __TEXT(quote) L##quote      // r_winnt   
61. #else   /* UNICODE */               // r_winnt   
62. #ifndef _TCHAR_DEFINED   
63. typedef char TCHAR, *PTCHAR;   
64. typedef unsigned char TBYTE , *PTBYTE ;   
65. #define _TCHAR_DEFINED   
66. #endif /* !_TCHAR_DEFINED */   
67. typedef LPCH LPTCH, PTCH;   
68. typedef LPSTR PTSTR, LPTSTR, PUTSTR, LPUTSTR;   
69. typedef LPCSTR PCTSTR, LPCTSTR, PCUTSTR, LPCUTSTR;   
70. #define __TEXT(quote) quote         // r_winnt   
71. #endif /* UNICODE */                // r_winnt  

 

3.用明确的数据类型来表示字节，字节指针和数据缓冲区（如BYTE, PBYTE）原因如上同

4.使用TEXT或是_T来表示字面量字符和字符串（这两个宏会根据你自己设置的字符集属性，动态转换成相应的字符集）

5.执行全局替换，原因同2.

6.修改与字符串有关的计算。如有些函数需要我们传入缓冲区大小的字符数，这个时候就需要_countof(szBuffer),而不是sizeof(szBuffer)；

   有些时候我们需要为一个字符串分配内存，那么内存是使用字节数来分配的，这个时候我们就需要使用malloc(nCharacters*sizeof(TCHAR))，而不是使用malloc(nCharacters).

    我们可以使用如下样式的宏来处理这个问题：

   

[c-sharp] view plain copy

 

1. #define chmalloc(nCharacters) (TCHAR*)malloc(nCharacters*sizeof(TCHAR))  

 

7.尽量避免使用printf系列的函数，尤其是有%s,%S字段类型来进行ANSI和Unicode字符串之间的相互转换。正确的做法是使用MultiByteToWideChar和WideCharToMultiByte函数

8.对于UNICODE和_UNICODE，要么都定义，要么都不要用，因为VS会在我们创建项目的时候默认定义_UNICODE。

9.使用安全的字符串函数，如后缀为_s的函数或是前缀为StringCch的函数，后者会截断字符串。前者需指定字符串长度。

10.使用/GS 和/RTCS编译器选项来自动检测缓冲区溢出。

使用UNICODE编码规范是一种好的编程习惯，但是，有的时候，我们不得不使用ANSI编码方式，这种情况该如何处理呢？

请看下集UNICODE和ANSI字符串的转换

 

同系列文章参看：

《 UNICODE和ANSI字符串的转换 》 

 

《 让你的程序更加适用——使用ANSI和UNICODE导出函数 》

http://blog.csdn.net/blpluto/article/details/5755162