Windows核心编程之核心总结（第二章 字符和字符串处理）（2018.5.27）

学习目标

第二章是学习字符和字符串处理，为了更好理解这一章的内容，我自行添加了其他辅助性内容：存储模式（大端存储和小端存储）、字符编码方案（一看就懂）。以下是这一章的学习目标：
1.大端存储和小端存储
2.字符编码方案
3.ANSI和Unicode字符、字符串，Windows自定义数据类型（为了兼容ANSI和Unicode）
4.Windows的ANSI函数和Unicode函数
5.C运行库的ANSI和Unicode函数
6.C运行库的安全字符串函数
7.C运行库的安全字符串函数（进阶版）
8.字符串比较函数
9.宽字符和ASCII字符之间的转换函数

必备知识-大端存储和小端存储

如何理解Big Endian(大端存储)和Little Endian(小端存储)?
举个例子：
int a = 1;
a这个数本身的16进制表示是0x00 00 00 01
在内存中怎么存储呢?
如果你的CPU是intel x86架构的(基本上就是通常我们说的奔腾cpu),那么就是0x01 0x00 0x00 0x00 , 这也就是所谓的little-endian, 低字节存放在内存的低位.
如果你的CPU是老式AMD系列的(很老很老的那种，因为最新的AMD系列已经是x86架构了), 它的字节序就是big-endian, 其内存存储就是 0x00 0x00 0x00 0x01在内存中从高字节开始存放。
现在世界上绝大多数的CPU都是little-endian。

字符编码

发展流程：ASCII-扩展ASCII-GB2312-GBK-GB18030
美国是最先开始使用计算机，一个字节有八位二进制，能够组合出256种不同的状态，他们将控制字符、空格、标点符号、数字、大小写字母分别用连续的字节状态表示，一直编码到了第127号，这样计算机就可以用不同字节来存储英语文字了。这时，他们这个方案就叫做ANSI的ASCII编码。后来计算机普及到了世界，因为127种不能表示其他国家的字符、文字，接着他们就想扩展ASCII，使用127后面的位数来其他的字符和文字，一直编码到状态255，从126到255这一页的字符集称作扩展字符集。等到我们中国使用计算机，那么仅仅依靠ASCII完全不够存储，中国就自己想法子解决这一问题，我们这样规定：一个小于127的字符意义还是与原来的ASCII编码相同，但两个大于127的字符连在一起时，就表示一个汉字。意思是说：一个英文字母还是一个字节存储，而一个汉字用两个字节来表示，低8字节存储在低地址位置，高8字节存储在高地址位置，如果在低地址位置存储的低8字节的第8个二进制位大于1，在高地址位置存储的高8字节的第8个二进制位也大于1，那么就会被识别为一个汉字。这样我们大概就可以组合出大约7000多个简体汉字了，在这些编码种，我们还将数学符号、连ASCII原本就有的数字、标点、字母都统统重新编码了，这就是我们遇到的“全角”字符，而原来在127号以下的就叫“半角”字符。之后，中国就叫这个汉字编码方案称为“GB2312”。后来，中国文化博大精深，有些汉字还没完全编码，所以就决定干脆只要高字节代表的字符大于127就表示该字符为汉字，然后称这个编码方案为 GBK 标准。当用GBK解码时，若高字节最高位为0，则用ASCII编码码解码；若高字节最高位为1，则用GBK编码表解码。GBK之后又有GB18030标准，因GB18030较GBK又多了几千汉字，码位不足，GB18030使用了2byte与4byte混合编码方式，这又给软件增加了难题，所以虽然GB18030推出了近5年，仍然没有得到广泛应用。前面讲的一堆汉字编码，我们总称为“DBCS”，即双字节字符集。经过前面编码的发展，逐渐出现一个严重的问题，就是当时各个国家都像中国这样搞出一套自己的编码标准，结果互相之间谁的计算机都不认识对方，谁也不支持对方的编码。后来，先辈们就想到，废除所有的地区性编码方案，重新搞一个包括了地球上所有文化、文字和符号的编码方案，他们称这个编码方案为“Unicode编码”。
Unicode编码有以下几种：
UTF-8：一个字节一个字符，有些字符是2个字节，有的字符是3个字节，还有的字符是4个字节。
UTF-16：大部分字符都是2个字节。Windows平台下默认的Unicode编码为Little Endian的UTF-16。
UTF-32：所有字符都是4个字节。

ANSI和Unicode字符、字符串，Windows自定义数据类型

ANSI字符就是C语言用char数据类型代表一个8位的字符。ANSI字符串是多个char数据类型组成的数组，代表多个字节的字符串。例如：

char a='a';//'a'这个常量字符在常量存储区存储为1个字节。而a在栈区存储为1个字节。
char szBuffer[10]="abcdefg";//"abcdefg"这个常量字符在常量存储区存储为8个字节。而szBuffer在栈区存储为10个字节。

在以前，Unicode字符用wchar_t代表一个两字节的宽字符（Unicode字符），以前C头文件有这样的定义：typedef unsigned short wchar_t，说明wchar_t其实也只是一个无符号短整型而已。后来C编译器将wchar_t定义为与Int一样是基本数据类型，这时候，在高版本一点的编译器你是找不到typedef unsigned short wchar_t这条语句的了。如果想表示常量字符和常量字符串为Unicode版本，那么就要在前面加个L。例如：

wchar_t c=L'a';//L‘a’这个常量字符在常量存储区存储为2个字节。而c在栈区存储为2个字节。
wchar_t szBuffer[10]=L"abcdefg";//L"abcdefg"这个常量字符在常量存储区存储为16个字节。而szBuffer在栈区存储为20个字节。

为了与C语言稍微一些区分，并且为了兼容ANSI和Unicode字符或字符串，Windows自定义了一些数据类型：TCHAR数据类型、TEXT宏。
而对于TCHAR数据类型和TEXT宏的头文件定义如下：

#ifdef  UNICODE                     // r_winnt

#ifndef _TCHAR_DEFINED
typedef WCHAR TCHAR, *PTCHAR;
typedef WCHAR TBYTE , *PTBYTE ;
#define _TCHAR_DEFINED
#endif /* !_TCHAR_DEFINED */

typedef LPWCH LPTCH, PTCH;
typedef LPCWCH LPCTCH, PCTCH;
typedef LPWSTR PTSTR, LPTSTR;
typedef LPCWSTR PCTSTR, LPCTSTR;
typedef LPUWSTR PUTSTR, LPUTSTR;
typedef LPCUWSTR PCUTSTR, LPCUTSTR;
typedef LPWSTR LP;
typedef PZZWSTR PZZTSTR;
typedef PCZZWSTR PCZZTSTR;
typedef PUZZWSTR PUZZTSTR;
typedef PCUZZWSTR PCUZZTSTR;
typedef PZPWSTR PZPTSTR;
typedef PNZWCH PNZTCH;
typedef PCNZWCH PCNZTCH;
typedef PUNZWCH PUNZTCH;
typedef PCUNZWCH PCUNZTCH;
#define __TEXT(quote) L##quote      // r_winnt

#else   /* UNICODE */               // r_winnt

#ifndef _TCHAR_DEFINED
typedef char TCHAR, *PTCHAR;
typedef unsigned char TBYTE , *PTBYTE ;
#define _TCHAR_DEFINED
#endif /* !_TCHAR_DEFINED */

typedef LPCH LPTCH, PTCH;
typedef LPCCH LPCTCH, PCTCH;
typedef LPSTR PTSTR, LPTSTR, PUTSTR, LPUTSTR;
typedef LPCSTR PCTSTR, LPCTSTR, PCUTSTR, LPCUTSTR;
typedef PZZSTR PZZTSTR, PUZZTSTR;
typedef PCZZSTR PCZZTSTR, PCUZZTSTR;
typedef PZPSTR PZPTSTR;
typedef PNZCH PNZTCH, PUNZTCH;
typedef PCNZCH PCNZTCH, PCUNZTCH;
#define __TEXT(quote) quote         // r_winnt

#endif /* UNICODE */                // r_winnt
#define TEXT(quote) __TEXT(quote) 

从头文件定义中，我们可以看出TCHAR数据类型有两种可能，如果定义了UNICODE，则是WCHAR(其实就是wchar_t，宽字符)，如果定义了非UNICODE（多字节字符集），则是char（窄字符）。我们知道，当我们打开vs编译器，默认采取的是Unicode字符集，其实这个选项代表我们写的程序序加了这句代码：#define UNICODE。那说明我们写TCHAR，其实就是wchar_t。而如果我们在选项中更改字符集为多字节字符集，那么就相当于定义了非UNICODE,那说明我们写TCHAR，其实就是char。而对于TEXT宏也同样道理，如果是UNICODE字符集，那么就转定义为L##quote(代表在quote前面添加L，quote可以是字符，也可以是字符串)，如果是多字节字符集，那么就转定义为quote(代表什么都不添加)。下面举个例子：

//Unicode字符集
TCHAR c=TEXT('a');//TEXT('a‘)相当于L’a‘,在常量存储区存储为2个字节。而c在栈区存储为2个字节。
TCHAR szBuffer[10]=TEXT("abcdefg");//TEXT("abcdefg")相当于L"abcdefg",在常量存储区存储为16个字节。而szBuffer在栈区存储为20个字节。

//多字节字符集
TCHAR c=TEXT('a');//TEXT('a‘)相当于’a‘,在常量存储区存储为1个字节。而c在栈区存储为1个字节。
TCHAR szBuffer[10]=TEXT("abcdefg");//TEXT("abcdefg")相当于"abcdefg",在常量存储区存储为8个字节。而szBuffer在栈区存储为10个字节。

Windows是不是很智能？兼容了ANSI和Unicode，通过TCHAR和TEXT宏可以自动采用对应编码方式进行编码。

Windows的ANSI函数和Unicode函数

5. 在windows中，有UNICODE类型的函数和ASCII类型的函数，例如CreateWindowEx函数。
   在WinUser.h中，有如下定义：

   #ifdef UNICODE
   #define CreateWindowEx  CreateWindowExW
   #else
   #define CreateWindowEx  CreateWindowExA
   #endif // !UNICODE

   根据上面头文件，我们就知道了，CreateWindowExW函数是支持Unicode字符的，而CreateWindowExA是支持ANSI字符的。原来Windows函数也会考虑到ANSI和Unicode字符串问题，所以为了兼容这两者，就归为CreateWindowEx函数了，会自动根据情况自行选择正确的函数。其实，还有一个内部原理：CreateWindowExA函数内部实现的其实只是一个转换层，它负责分配内存，以便将ANSI字符串转换为Unicode字符串，然后内部代码会调用CreateWindowExW，并向它传递转换后的字符串，CreateWindowExW返回时，CreateWindowExA会释放它的内存缓冲区，并返回窗口句柄。这个内部原理，总结一句话就是虽然我们调用的是CreateWindowExA，但实际函数内部是先将ANSI字符串转换为Unicode字符串，再调用CreateWindowExW，最后释放内存，接着CreateWindowExA返回内部调用的CreateWindowExW返回的窗口句柄。

   C运行库的ANSI和Unicode函数

   C运行库提供了一些字符串操作函数来处理ANSI字符和Unicode字符。例如：strlen和wcslen函数，分别支持ANSI字符串和Unicode字符串。

   //字符集为Unicode字符集
   char szBuffer1[5]="abcd";
   printf("%d\n", strlen(szBuffer1));
   
   TCHAR szBuffer2[5] = TEXT("abcd");
   printf("%d\n", wcslen(szBuffer2));

   而C运行库为了能智能兼容ANSI和Unicode，提供了_tcslen函数，这个函数需要头文件tchar.h，并且定义了_UNICODE。
   tchar.h头文件定义了以下宏：

   #ifdef _UNICODE
   #define _tcslen wcslen
   #else
   #define _tcslen strlen
   #endif

   如果包含了头文件tchar.h，并且字符集设置为Unicode字符集，那么就已经定义了_UNICODE，我也不知道为什么设置Unicode字符集就会自动定义_UNICODE，然后就可以直接使用_tcslen，也许是因为设置字符集这个操作内部就有#define _UNICODE这行代码吧。下面举个例子：

   //已经设置字符集为Unicode字符集了
   #include
   #include
   int main()
   {
   TCHAR szBuffer3[5] = TEXT("abcd");
   printf("%d\n", _tcslen(szBuffer3));
   system("pause");
   return 0;
   }

   C运行库的安全字符串函数

   我们编程的时候，尽量使用安全字符串，例如strcpy就是一个非安全函数，当你再程序中使用这个函数的时候，你就会发现，编译器会出现警告，同时给出建议，请遵守。编译器会提示我们使用strcpy_s函数，此时，我们可以查找这个函数，并找到这个函数的TCHAR.h版。具体使用方法不是很难，你要使用那个字符串，就在MSDN中找相应的安全字符串函数即可。不过，对于strlen、wcslen和_tcslen等函数没有问题，可以放心使用，因为它们不会修改传入的字符串。

   C运行库的安全字符串函数（进阶版）

   C运行库还新增了一些函数，用于在执行字符串处理时提供更多的控制。例如：StringCchLength、StringCchPrintf等函数，更多函数请参考MSDN。
   下面是StringCchPrintf函数的说明：
   StringCchPrintf函数用于把格式化字符串写入指定的缓冲区中，与wsprintf函数不同之处在于，该函数还另外需要提供目标缓冲区的大小，确保不会发生越界访问。（因为wsprintf函数，若缓冲区大小不足以存储格式化字符串，则不允许写入，而且会发生崩溃。但是StringCchPrintf函数指定了目标缓冲区大小，意味着，缓冲区大小不足以存储格式化字符串，也可以截断，只存储参数1（缓冲区大小）的长度的字符串），这样就避免发生了奔溃。头文件 strsafe.h。

函数原型：
HRESULT StringCchPrintf(
Out LPTSTR pszDest,
In size_t cchDest,
In LPCTSTR pszFormat,
In ...
);

参数1：指定将要被写入的缓冲区
参数2：限制缓冲区大小
参数3：格式化字符串
参数4：可变参数

    TCHAR szBuffer[10];
    wsprintf(szBuffer, TEXT("%s"), TEXT("woainiaifbgfbfgbfgbgf"));//当目标缓冲区不够存储源缓冲区内容，则会溢出崩溃
    StringCchPrintf(szBuffer, 10, TEXT("%s"),TEXT("wwoainiaifbgfbfgbfgbgf"));//新的安全字符串函数增加了一个缓冲区大小参数，如果超过目标缓冲区大小则会自动截断，避免了溢出崩溃

下面是StringCchLength函数的说明：
StringCchLength函数用于确定字符串是否超过了规定长度。与lstrlen函数的区别在于，该函数指定了待检查的字符串的最大允许的字符数量。注意，如果待检查的字符串（双引号）长度大于最大允许的字符数量，参数3置为0。如果待检查的字符串（单引号），没有字符串结束符，则无论设置cchMax为多少，都会置参数3为0.

*函数原型：
HRESULT StringCchLength(
In LPCTSTR psz,
In size_t cchMax,
Out size_t pcch
);
参数1：指向待检查的字符串
参数2：psz参数里最大允许的字符数量。
参数3：字符串的字符数，不包括'\0'**

    size_t iTarget1,iTarget2,iTarget3;
    TCHAR szBuffer1[10] =TEXT("但是我依然很开心呀");
    StringCchLength(szBuffer1, 5, &iTarget1);//如果待检查的字符串（双引号）长度大于最大允许的字符数量，参数3置为0。不会报错。
    TCHAR szBuffer2[3] = { L'a', L'b', L'c' };
    StringCchLength(szBuffer2, 5, &iTarget2);//如果待检查的字符串（单引号），没有字符串结束符，则无论设置cchMax为多少，都会置参数3为0.不会报错。
    TCHAR szBuffer3[10] = TEXT("但是我依然很开心呀");
    StringCchLength(szBuffer3, 10, &iTarget3);//成功了

总结，StringCch*系列的函数是安全的，因为可以指定如何截断，不会发生崩溃。

字符串比较函数

int CompareString(
  __in  LCID Locale,
  __in  DWORD dwCmpFlags,
  __in  LPCTSTR lpString1,
  __in  int cchCount1,
  __in  LPCTSTR lpString2,
  __in  int cchCount2
);

int CompareStringOrdinal(
  __in  LPCWSTR lpString1,
  __in  int cchCount1,
  __in  LPCWSTR lpString2,
  __in  int cchCount2,
  __in  BOOL bIgnoreCase
);

CompareStringOrdina和语言无关，速度更快！！！建议使用！！！因为字符串操作函数在实际应用中可以查询MSDN，我以后再填补回来。

宽字符和ASCII字符之间的转换函数

int MultiByteToWideChar(
  __in   UINT CodePage,
  __in   DWORD dwFlags,
  __in   LPCSTR lpMultiByteStr,
  __in   int cbMultiByte,
  __out  LPWSTR lpWideCharStr,
  __in   int cchWideChar
);

int WideCharToMultiByte(
  __in   UINT CodePage,
  __in   DWORD dwFlags,
  __in   LPCWSTR lpWideCharStr,
  __in   int cchWideChar,
  __out  LPSTR lpMultiByteStr,
  __in   int cbMultiByte,
  __in   LPCSTR lpDefaultChar,
  __out  LPBOOL lpUsedDefaultChar
);

因为字符串操作函数在实际应用中可以查询MSDN，我以后再填补回来。