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
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_