C++学习笔记（一）：中文字符的处理——批量读取和修改文件夹下文件名，以及wchar_t/wstring与char/string不得不说的故事
前几天在网上下载了一堆教程，但是名字是用中文数字命名的，在windows文件管理下无法按数字顺序进行排序，这让强迫症的我很不爽，所以就想写个程序批量修改一下。
作为C++小白的我，花了好长时间，终于大致搞明白了。因为路径名和文件名都涉及到中文字符，所以花了很长时间，走了很多弯路，于是想写篇博客记录一下心路历程。
以后可能会经常写博客来记录一些学习心得（希望能坚持下来），也方便以后查阅。
本篇文章主要介绍用C++读取和修改文件名的方法，提供将中文数字修改为两位阿拉伯数字的算法，并介绍C++中对于中文字符(串)的处理。
第一次写，如有错误不当之处，敬请批评指正。
概述
C++中使用_findfirst、_findnext、_findclose这几个函数来读取文件名，并将文件名等信息存储在_finddata_t结构体中。而修改文件名使用的是rename函数。
但是，由于路径名和文件名都涉及到中文字符，所以单纯使用这几个函数会出现乱码等问题，为了方便，统一使用宽字符wchar_t、宽字符串wstring，以及宽字符下的_wfindfirst、_wfindnext、_wfindclose函数。
这些数据类型和普通类型功能都是一样的，唯一不同的是底层的存储。为了方便，在读取和修改文件名部分使用普通类型来说明。
读取和修改文件名
先声明一个结构体_finddata_t，用来存储文件信息，但无需初始化。然后可以使用三个函数来读取文件名。注意需要包含头文件< io.h >
结构体_finddata_t定义如下：
struct _finddata64i32_t {
unsigned attrib;
__time64_t time_create; /* -1 for FAT file systems */
__time64_t time_access; /* -1 for FAT file systems */
__time64_t time_write;
_fsize_t size;
char name[260];
};
其中attrib指的是文件属性（attribute），有以下六种：
_A_ARCH（存档）
_A_HIDDEN（隐藏）
_A_NORMAL（正常）
_A_RDONLY（只读）
_A_SUBDIR（文件夹）
_A_SYSTEM（系统）三个函数的使用方法如下：
intptr_t _findfirst( char *filespec, struct _finddata_t *fileinfo )；
返回值：
如果查找成功的话，将返回一个intptr_t型的唯一的查找用的句柄，实际上相当于int。这个句柄将在_findnext函数中被使用。若失败，则返回-1。
参数：
filespec：标明文件的字符串，可支持通配符。比如：*.c，则表示当前文件夹下的所有后缀为C的文件。 这个字符串要包括完整的路径名。
fileinfo ：这里就是用来存放文件信息的结构体的指针。已经说过，这个结构体必须在调用此函数前声明。
函数成功后，函数会把找到的文件的信息放入这个结构体中。
注意：如果将返回值赋给long型变量，有时可能会出现编译不通过的问题，因为这个函数的返回值实际上是intptr_t而不是long，可能会造成类型不兼容。这时候把定义的long型变量改为intptr_t即可。
int _findnext( intptr_t handle, struct _finddata_t *fileinfo );
返回值：
若成功返回0，否则返回-1。
参数：
handle：即由_findfirst函数返回回来的句柄。
fileinfo：文件信息结构体的指针。找到文件后，函数将该文件信息放入此结构体中。
int _findclose( long handle );
返回值：成功返回0，失败返回-1。
参数： handle ：_findfirst函数返回回来的句柄。
读取完毕后，用该函数关闭文件结束查找。
为了解决中文路径的问题，实际使用的是兼容中文字符的_wfinddata_t结构体，以及_wfindfirst、_wfindnext、_wfindclose三个函数，与不带w的几个函数功能完全相同，只是路径名参数也必须使用宽字符以兼容。
而修改文件名，使用的是rename函数，使用方法如下：
int rename( char const* OldFileName, char const* NewFileName );
返回值：
成功返回0；失败（如遇到同一文件夹下文件重名）返回-1。
参数：
OldFileName是原文件名字符串的指针，NewFileName是新文件名字符串的指针。
注意：此函数不支持宽字符类型的重载，因此中文在使用时还要转换为普通字符串。
wchar_t与wstring
一开始在网上找过一份批量改名的源码，虽然是用C++写的但是C风格特别浓重（分配内存用的是malloc/free且大量使用C风格字符串），这让我一个没有系统学习过C的人看着比较难受，所以又大改了一下，基本全部改为了使用string类（实际上是wstring类）的方法。
注意使用string类、wstring类需要包含头文件< string >。
C/C++中对于字符串处理的常用函数有：
char *strcat( char *str1, const char *str2 );
功能：函数将字符串str2 连接到str1的末端，并返回指针str1。
char *strchr( const char *str, int ch );
功能：函数返回一个指向str 中ch 首次出现的位置，当没有在str 中找ch到返回NULL。
char *strcpy( char *to, const char *from );
功能：复制字符串from 中的字符到字符串to，包括空值结束符。返回值为指针to。
size_t strlen( char *str );
功能：函数返回字符串str 的长度( 即空值结束符之前字符数目)。
int strcmp( const char *str1, const char *str2 );
功能：比较字符串str1 and str2, 返回负值说明str1比str2短，返回正值说明str1比str2长，返回0说明str1与str2一样长。
而在C++的string类中，可以用重载的+、=实现字符串连接和复制的功能，且有常用的几个成员函数：
| 函数名称 | 功能 |
|---|---|
| append() | 在字符串的末尾添加文本 |
| at() | 按给定索引值返回字符 |
| c_str() | 将字符串以C字符数组的形式返回 |
| substr() | 返回某个子字符串 |
| insert() | 替换字符 |
| erase() | 删除字符 |
| replace() | 替换字符 |
| length() | 返回字符串的长度 |
| size() | 返回字符串中字符的数量 |
这里只列出了修改文件名可能用到的一些函数，string类包含的成员函数远不止这么多，具体可以查阅手册。
对于中文字符的处理其实十分简单，只需要把char改为wchar_t类型，string改为wstring类型即可，二者的功能几乎是完全一样的，只需要注意以下不同：
1、C语言是不支持宽字符类型的，C风格字符串的strcat、strcpy等函数在使用宽字符时，只需把str改为wcs，即函数名写成wcscat、wcscpy等即可。
2、若要在控制台输出宽字符/宽字符串，必须使用宽字节流对象wcin、wcout，并且要绑定为中文地区语言。
在使用前加入以下代码即可（一次即可）：
//使用宽字节流对象，绑定为中文
locale china("chs");//use china character
wcin.imbue(china);//use locale object
wcout.imbue(china);3、对于string、wstring类各自来说，成员函数length()、size()以及C风格的strlen()功能是完全相同的，都是返回该字符串除结束符外的字符数量。但是对于string类（每个字符是char）来说，英文和数字是占1个字节，算作一个字符，汉字是占两个字节，算作两个字符。而对于wstring类（每个字符是wchar_t），无论中文、英文、数字，都是占两个字节，算作一个字符。
如以下代码：
string stra = "CPPstring";
cout << stra << endl;
cout << "测试string.size: " << stra.size() << endl;
cout << "测试string.length: " << stra.length() << endl;
cout << "测试strlen(string.c_str()): " << strlen(stra.c_str()) << endl;
cout << endl;
string strb = "我是一个字符串abc123"; //string中英文和数字视为一个字符，汉字视为两个字符
cout << strb << endl;
cout << "测试string.size: " << strb.size() << endl;
cout << "测试string.length: " << strb.length() << endl;
cout << "测试strlen(string.c_str()): " << strlen(strb.c_str()) << endl;
cout << endl;
wstring strc = L"我是一个宽字符串abc123"; //wstring中无论中英文，一个字视为一个字符
wcout << strc << endl;
cout << "测试wstring.size: " << strc.size() << endl;
cout << "测试wstring.length: " << strc.length() << endl;
cout << "测试wcslen(wstring.c_str()): " << wcslen(strc.c_str()) << endl;
cout << endl;在控制台输出结果为：
这里顺带一提sizeof操作符。相比较strlen()等，sizeof更像一种特殊的编译预处理而非函数，因为它的值是在编译阶段就确定的。如果对一个字符串str使用sizeof，是计算其指针所占的字节数，而字符串本身所占的空间是在堆内存分配的。在vs2017下编译，sizeof(string)和sizeof(wstring)的值都是28（这一点对于不同的库可能有所不同），而sizeof(string.c_str())和sizeof(wstring.c_str())的值都是4。
更多关于char、wchar_t的不同，如二者在底层的编码方式，以及关于ASCII、Unicode等问题，可以参考这篇文章：
c++汉字字符处理
宽字符与普通类型的转换
由于rename函数不支持宽字节作为参数，所以还要考虑二者相互转换的问题。关于这部分这篇文章讲的很详细：
C/C++多字节与宽字符串的相互转换
此处限于篇幅不再赘述。
将中文数字转换为阿拉伯数字
最后提供将中文转换为阿拉伯数字的思路。由于我下载的文件全都是一百以内的编号，所以写的时候是全部转换为两位数字，而一位数如5命名为05，算法比较简单。具体的思路就是，先找到字符十，如果没有就依次寻找一~九，找到了看前后有无数字，然后决定十字是改为1还是直接删除。如果都没有，函数返回0。
完整代码如下，VS2017环境下编译：
#include "stdafx.h"
//"stdafx.h"中包含的头文件有关于更完善的数字转换算法，可以参考这个代码，不过是用Java写的：
java实现中文数字与阿拉伯数字互相转换
参考资料：
https://blog.csdn.net/xiexu911/article/details/79990774
https://blog.csdn.net/orz_3399/article/details/53415987
https://blog.csdn.net/k346k346/article/details/50082705
https://blog.csdn.net/rentian1/article/details/78498975