有没有办法在 Delphi 2009 中查看一个字符是使用 1 个字节还是 2 个字节？

Posted 2023-02-23

【中文标题】有没有办法在 Delphi 2009 中查看一个字符是使用 1 个字节还是 2 个字节？

【英文标题】：Is there a way to see if a character is using 1 or 2 bytes in Delphi 2009?

【发布时间】：2010-09-16 11:27:38

【问题描述】：

Delphi 2009 已将其字符串类型更改为使用 2 个字节来表示一个字符，这允许支持 unicode 字符集。现在当你得到 sizeof(string) 你得到 length(String) * sizeof(char) 。 Sizeof(char) 当前为 2。

我感兴趣的是是否有人知道一种方法，它可以逐个字符地找出它是否适合单个字节，例如找出一个 char 是 ascii 还是 Unicode。

我主要想知道的是，在我的字符串进入数据库（oracle、Documentum）之前，该字符串将用完多少字节。

我们需要能够预先实施限制，理想情况下（因为我们有一个庞大的安装基础），而无需更改数据库。如果字符串字段允许 12 个字节，则在 delphi 2009 中，长度为 7 的字符串将始终显示为使用 14 个字节，即使一旦它到达数据库，它只会使用 7（如果是 ascii）或 14（如果是双字节），或者介于两者之间的某个位置混合物。

【参考方案1】：

您可以使用 StringElementSize 函数来确定字符串是 Unicode 还是 ANSI。 要检查字符是否为 ANSI，请使用 Character.pas 单元中的 TCharacter.IsAnsi 类函数。

【参考方案2】：

你回答说你真的想知道你的字符串会占用多少字节。

转换成 UTF8String 怎么样？ Ansi 字符将占用 1 个字节。请记住，在 UTF-8 中，Unicode 字符可能占用超过 2 个字节。

【参考方案3】：

由于 AnsiString 1 char = 1 字节和 Unicode String 1 char = 2 字节，执行的简单测试是 IsAnsiString:= sizeof(aString)=length(aString);

【讨论】：

除非我弄错了，否则 SizeOf(String) 在所有 32 位版本的 Delphi 中都将返回 4，因为 String（AnsiString 或 UnicodeString）是指针类型。因此 SizeOf() 将返回指针的大小。 Length(String) 返回字符数，所以你的这个检查不起作用。

【参考方案4】：

首先，请记住，您的数据库长度实际上可能是以字符而不是字节为单位的 - 您必须查看数据类型的文档。出于问题的目的，我将假设它确实是后者。

您的字符串将使用的字节数完全取决于存储它的字符编码。如果是 UTF-16，Delphi 中默认的字符串类型，那么它总是每个字符 2 个字节，不包括代理。

但是，假设数据库使用 Unicode 字符集，最可能的编码是 UTF-8。这是一种可变长度编码：字符可能需要 1 到 4 个字节，具体取决于字符。您可以在 Wikipedia 上查看范围如何映射的图表。

但是，如果您根本不更改数据库架构，那么这一定意味着以下三件事之一：

您目前以二进制方式存储所有内容，而不是文本方式（通常不是一个好的选择） 数据库已经存储了 Unicode 和计数字符，而不是字节（否则，您现在就会遇到问题，在重音字母的情况下更是如此） 数据库存储在单字节代码页中，例如 Windows-1252，从而完全阻止您存储 Unicode 数据（这不成问题，因为字符的存储方式与以前相同，尽管您可以' t 使用 Unicode）

我不熟悉 Oracle，但如果您查看 MSSQL，它们有两种不同的数据类型：varchar 和 nvarchar。 Varchar 以字节计，而 nvarchar 以字符计，因此适用于 Unicode。另一方面，mysql 只有 varchar，而且它总是以字符计（从 4.1 开始）。因此，您应该检查 Oracle 文档和您的数据库架构，以获得关于这是否是问题的决定性答案。

【参考方案5】：

如果你不想在 Delphi 2009 中使用 Unicode，你可以使用 AnsiString 类型。但你为什么要这样做。

一个繁琐但有效的测试可能是：

function IsAnsi(const AString: string): Boolean;
var
  tempansi : AnsiString;
  temp : string;
begin
  tempansi := AnsiString(AString);
  temp := tempansi;
  Result := temp = AString;
end;

【讨论】：

我认为 AnsiString 应该被强制使用特定的代码页，例如 AnsiString(CP_UTF8)。

@skamradt AnsiString(CP_UTF8) 不会破坏函数的全部目的吗？所有 unicode 字符串也可以用 UTF-8 表示，因此检查将始终返回 true。

【参考方案6】：

一个 ASCII 字符总是适合一个字节。您不能对 unicode 字符说同样的话，因为这取决于它的编码方式。您无法从单个字节中看出它是 ASCII 还是 unicode 字符，或者根本就不是字符。那么你的问题又是什么？为什么你需要知道？我的猜测是你误解了 unicode 或者我误解了你的问题。

【参考方案7】：

你可以检查字符的值：

if ord(c) < 128 then
    // is an ascii character

【讨论】：

既然你用的是D2009，那么看一下新的TCharacter类，即：if TCharacter.IsLatin1(c) then

@RemyLebeau-TCharacter.IsLatin 在 Delphi XE7 中不可用。有人知道它的替代品吗？