Windows 字符串详解及转换

huazhi

　　最近一直在做基于Windows的开发，而windows的开发当中最让我迷惑的一个问题就是无穷无尽的字符串类型，char*, wchar *, lpstr, lptstr, lpctstr等等，然后还要经常涉及到其中的相互转换，所以想系统的研究一下所有的windows类型及其相互转换的关系。
　　

　　1.字符类型
　　讲到字符串，首先首先需要了解的是字符，在Windows中主要包含两种字符，一种是ANSI字符，另一种是Unicode字符（使用UTF16编码，即每个字符编码为2个字节）。C++中表示ANSI字符的关键字是char，然后每个字符的长度是1；而表示Unicode字符的类型是wchar_t，每个字符的长度是2。而为了和语言有一些区别，Windows又定义了自己的数据类型（这是微软最烦的一点了！）
　　typedef charCHAR; //8位字符
　　typedefwchar_t WCHAR;//16位字符
　　

　　2.字符串
　　讲完了字符类型，现在开始讲字符串了，Windows定义了非常多的字符指针或字符串指针
　　// 8位字符指针
　　typedef CHAR*PCHAR;
　　typedef CHAR*PSTR;
　　typedef CONSTCHAR *PCSTR
　　// 16位字符指针
　　typedef WCHAR*PWCHAR;
　　typedef WCHAR*PWSTR;
　　typedef CONSTWCHAR *PCWSTR;
　　

　　首先介绍的是上面定义的六种字符指针，名字还是比较好记的，P代表Point（指针），W代码Unicode，C代表Const（常量），CHAR 和STR代码字符。所以PCHAR和PSTR的意思是一样的就是ANSI类型的字符指针；而PWCHAR和PWSTR的类型也是一样的，就是Unicode类型的字符指针；PCSTR和PCWSTR分别代表常量ANSI字符指针和常量Unicode字符指针（什么？不知道啥叫常量？请出门左转《EffectiveC++》条款03，尽可能使用Const）。
　　同时，Windows为了保证使用ANSI或Unicode都能通过编译，又定义了下面的类型，这些宏会自动检测是否定义了Unicode。
　　

　　#ifdef UNICODE
　　typedef WCHAR TCHAR, *PTCHAR, PTSTR;
　　typedef CONST WCHAR *PCTSTR;
　　#define __TEXT(quote) quote // r_winnt
　　#define __TEXT(quote) L##quote
　　#else
　　typedef CHAR TCHAR, *PTCHAR, PTSTR;
　　typedef CONST CHAR *PCTSTR;
　　#define __TEXT(quote) quote
　　#endif
　　#defineTEXT(quote) __TEXT(quote)
　　

　　从上面可以看出，如果定义了UNICODE宏，TCHAR等同于WCHAR, PTSTR和PTCHAR等同于PWCHAR和PWSTR，而如果没有定义UNICODE宏，则TCHAR等同于CHAR，PTSTR和PTCHAR等同于PCHAR和PSTR；PCTSTR也是同理。
　　同时还要注意的是，这里添加了TEXT宏，TEXT等同于__TEXT宏，__TEXT则能自动将字符串转换为ANSI类型字符串或UNICODE类型字符串。而L加字符串则自动表示为Unicode类型字符串。
　　而在很多场合还会出现LPSTR，LPCHAR, LPCSTR，这个L是对应于16位OS而已代表long，也就是长指针，而现在32位的OS上所有前面加L的类型和不加L的类型已经没有任何区别了。
　　下一种类型是BSTR， BSTR是一个Pascal-Style字符串和C-Style字符串的混合物，在COM中用的非常多，因为COM接口希望字符串可以用在所有语言中，继而定义了这个类型。Pascal-style字符串是在存储字符串的首几个字节会用在记录字符串的长度，所以这种类型的字符串不需要在末尾添加额外的字符标示结束。所以BSTR字符串的意思是在字符串的首几个字节存储字符串的长度，而字符串的结尾以\0结束。但是对BSTR字符串取下标时则是指向第一个字符而不是字符串长度，这样又利用C-Style的程序使用。
　　然后还有两个标准的字符串类， String和CString。String是标准C++中提供的程序库，而CString则是MFC中提供的字符串类。
　　好吧，我们最后来总结一下所有的字符串类型。
　　按照不同的style字符类型分有五类:
　　C-Style ANSI类型字符串：CHAR *,PSTR, LPSTR, LPCSTR, PCHAR.
　　C-StyleUnicode类型字符串：WCHAR *, PWSTR, LPWSTR, PWCHAR,LPCWSTR.
　　C-Style 同时兼容ANSI和Unicode类型字符串：TEXT,__TEXT(), TCHAR *, PTSTR, LPTSTR, PCTSTR, LPCTSTR.
　　C-style和Pascal-Style兼并的字符串：BSTR
　　两种C++类：String, CString.
　　不同类型字符串组合的含义技巧是：
　　L (无效) + P(字符指针) + 不加(ANSI类型)或W(Unicode类型)  或T (ANSI 或Unicode类型) + 不加(非常量字符串)或C(常量字符串) + STR或CHAR(CHAR结尾时前面不能加C).
　　

　　3.转化
　　下面是重头戏，也就是不同类型直接的转换技巧：
　　转换的顺序是：
　　

　　（1）首先先讲可以等号直接转换的：
　　CHAR * ==PSTR, LPSTR
　　WCHAR * ==PWSTR, LPWSTR
　　TCHAR * ==PTSTR, LPTSTR
　　原因也很明显，其实都是一种类型嘛。
　　同时CHAR *类型和WCHAR *也能同时转换为TCHAR *，反之不行。
　　而PSTR可以直接等于转换PCSTR，PWSTR等于转换为PWCSTR，反之则不行。
　　

　　（2）PCSTR转换为PSTR
　　一般情况下可以使用C语言方式的强制类型转换，或者C++方式的Const_cast将const去掉。
　　

　　（3）PSTR转换为PWSTR
　　一般有两种方式，第一种是简单的W2A或A2W，W2A代表将PWSTR转换为PSTR，反之A2W表示将PSTR转换为PWSTR，见下面的code：
USES_CONVERSION;
PWSTR wszText = L"1.Unicode字符转换为ANSI;";
PSTR szText="2.ANSI字符转换成Unicode.";
printf("%s\n",W2A(wszText));
wprintf(L"%s\n",A2W(szText));


注意一点是不要在大循环或者非常长的函数中使用W2A或A2W，具体分析看http://www.cnblogs.com/rainbowzc/archive/2009/09/07/1562168.html。
另一种转换方法是MultiByteToWideChar和WideCharToMultiByte。MultiByteToWideChar表示将ANSI字符串转换为Unicode字符串，而WideCharToMultiByte则是将Unicode字符串转换为ANSI字符串。
MultiByteToWideChar的形式是
int MultiByteToWideChar(
UINT CodePage,
DWORD dwFlags,
LPCSTRlpMultiByteStr,
intcchMultiByte,
LPWSTR lpWideCharStr,
intcchWideChar
);
6个参数的含义为：CodePage（多字符所对应的的字符集，一般是CP_ACP), dwFlags(一些标准位，一般不需要使用，置0即可），lpMultiByteStr（多字符的地址），cchMultiBytes（多字符的字符串长度，相当于字符串的字节数，如果是1，则由函数判断长度）， lpWideCharStr（宽字符的地址），cchWideChar（宽字符的字符长度，相当于字符串的个数）。上面的两个长度都是包含‘\n’的长度。
如果lpWideCharStr不为NULL，返回转换成功的长度；如果lpWideCharStr为NULL，返回lpMultiByteStr的字符个数（不是字符串长度！！！）。
常用的用法为：
//先将lpWideCharStr置成NULL，从而得到szText的长度。
int iBuffSize =::MultiByteToWideChar(CP_ACP, 0, szText, -1, NULL, 0);
//判断字符长度是否大于0
if (iBuffSize> 0)
{
    LPWSTRwszString = new wchar_t[iBuffSize+1];
    int nChars= ::MultiByteToWideChar(CP_ACP, 0, szText, -1,    wszString, iBuffSize);
    //这是担心转换失败，从而nChars为0,再讲wszString置成空字符串
    nChars= nChars < iBuffSize ? nChars:iBuffSize;
    wszString[nChars]= 0;
}


另一个是宽字符到多字符：
intWideCharToMultiByte(
UINT CodePage,
DWORD dwFlags,
LPCWSTR lpWideCharStr,
int cchWideChar,
LPSTR lpMultiByteStr,
int cchMultiByte,
LPCSTR lpDefaultChar,
LPBOOL pfUsedDefaultChar
);


这里比MultiByteToWideChar多两个参数，而前面的六个参数都是一样的，lpDefaultChar的作用是当函数遇到一个不能转换的宽字符时，会用lpDefaultChar来代替，如果lpDefaultChar为NULL时，则用？代替。pfUsedDefaultChar的作用是如果有一个字符没有成功转换，则pfUsedDefaultChar为TRUE,否则为FALSE。


int iBuffSize =::WideCharToMultiByte(CodePage, 0, szString, -1, NULL, 0,NULL, false);
if (iBuffSize > 0 )
{
    m_pString= new char[iBuffSize];
    ::WideCharToMultiByte(CodePage, 0,szString, -1, m_pString, iBuffSize, NULL, false);
}


（4）PSTR和BSTR的相互转换
首先是PSTR转换为BSTR：
BSTR bstrText = _bstr_t(“thisis a bstr”);
BSTR转换为PSTR：
_bstr_b b = bstrText;
PSTR lpszText = b;