热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

C++字符字符串处理及字符集编码方案

本文介绍了C++中字符字符串处理的问题,并详细解释了字符集编码方案,包括UNICODE、Windowsapps采用的UTF-16编码、ASCII、SBCS和DBCS编码方案。同时说明了ANSIC标准和Windows中的字符/字符串数据类型实现。文章还提到了在编译时需要定义UNICODE宏以支持unicode编码,否则将使用windowscodepage编译。最后,给出了相关的头文件和数据类型定义。



cpp 调库总遇到字符处理的问题,开坑慢填。


  • 字符集


    • UNICOUDE
      Windows apps 采用 UTF-16 实现
      大多数字符 2-byte,补充集合用 a pair of 2-byte
    • Windows / OEM Code Page
      ASCII 基础上设计各国互不兼容的编码方案,ASCII只用了1个字节的前127个编码
      主要分为 SBCS 和 DBCS (中日韩)
      美国国家标准学会(American National Standards Institute) 收集整合,为每种方案设计 code page identifier。
  • ANSI C 标准 和 Windows 三套字符/字符串数据类型实现
    需要说明的是,ANSI C 标准并没有具体规定基本类型应占字节数,具体占位和平台 CPU + OS + Compiler 有关


    • generic
      编译时在 #include 前定义 UNICODE 宏,否则以windows code page编译
    • 仅用于 unicode
    • 仅用于 windows code pages

    // 头文件 Winnt.h
    // Generic types TCHAR LPTSTR LPTCH
    #ifdef UNICODE
    typedef wchar_t TCHAR; // char 是 ANSI C data type
    #else
    typedef unsigned char TCHAR;
    #endif
    typedef TCHAR *LPTSTR, *LPTCH;
    // 8-bit character specific 去掉表示类型的T
    typedef unsigned char CHAR; // char 是 ANSI C data type
    typedef CHAR *LPSTR, *LPCH;
    // Unicode specific (wide characters) 表示类型的T换成宽字符W
    typedef unsigned wchar_t WCHAR;
    typedef WCHAR *LPWSTR, *LPWCH;

  • Windows API 三套处理字符/字符串的函数
    generic versionwindow code page version 用 “A” 标识、Unicode version 用 “W” 标识
    主要看 Standard C runtime library 中的字符处理函数


    • wcs/_wcs
      Unicode版,处理 wchar_t 类型
    • str
      code page版,处理 char 类型
    • _mbs
      DBCS版,处理中日韩等字符
    • _tcs
      generic版,处理 TCHAR 类型

    // to use the generic functions and compile for Unicode.
    #define _UNICODE
    #include
    #include

    需要说明的是,带下划线的 _UNICODE 用于standard C library,而不带下划线 UNICODE 用于Microsoft windows runtimes

  • 相互转换
    本质只有两种字符类型转换 MultiByteToWideCharWideCharToMultiByte

  • 字符串处理 STL 中的
    指路 cppreference/string 支持三种 general types of strings


    • std::basic_string - a templated class designed to manipulate strings of any character type.
    • std::basic_string_view(C++17) - a lightweight non-owning read-only view into a subsequence of a string.
    • Null-terminated strings - arrays of characters terminated by a special null character.
      在这里插入图片描述
      basic_string 的衍生最常使用
      Null-terminate string 在字符串处理函数如 _tcstok 等经常使用,本质可以看作字符指针


推荐阅读
author-avatar
Angels萱萱
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有