浅谈windows的各种字符串(转载)

作者：Froser
链接：https://zhuanlan.zhihu.com/p/56306408
来源：知乎
著作权归作者所有，转载请联系作者获得授权。

说起Windows下的编程，可能大家的印象都是：微软从来都“特立独行”，什么都要来自己的一套，连类型都不例外。C语言下预设的一些基本类型，微软几乎都typedef过，如BYTE，WORD，DWORD等。那么，今天我们来简单聊聊Windows编程下的字符集和字符串类型。

之所以要聊一聊这个，是因为在过年前有一个同学来我们公司面试，我们让面试的同学写一段代码，其中有一个功能是输出一段文字，结果输出内容始终都不对。那么现在开始简单的梳理一下，Windows下常见的这些字符串类型。

一、 ASCII和UNICODE
在很久很久以前，天地一片混沌之时，操作系统大部分都是英文系统。当时的人们认为，我们只要用很少的二进制位数，就可以表示大部分我们需要的字符，这也就是ASCII编码规范。然鹅，现实总是很骨感，很快人们发现，短短七八位的二进制位数根本不能满足全宇宙人民的需要，于是UNICODE应运而生，它致力于整理一套统一的规范来表示所有我们用到的字符。我们可以认为UNICODE是兼容ASCII的，只是它会占用更多的空间。每一个字符对应一个UNICODE编码，至于编码如何布局（布局是指每个二进制位的含义），我们又规定了诸多编码规范，其中最为出名的就是utf-8和utf-16。

如果不考虑国际化，统一用ascii，那么每个字符将占用8位，也就是一个字节的大小。如果用utf-16来表示字符串，那么每个字符至少是16位，也就是2个字节。这也就决定了，字节的基本长度到底是一个字节，还是两个字节。

在Windows中，内部是以utf-16来保存字符串的。它支持两套API，用来兼容ASCII和UNICODE，分别以A和W结尾。例如，MessageBoxA表示它接受ASCII类型的字符串，而MessageBoxW表示接受UNICODE字符串。

在代码中，若是定义UNICODE和_UNICODE，则Windows API将会展开为带W的函数，否则将展开为带A的函数。例如，定义了UNICODE的情况下，MessageBox会被展开为MessageBoxW。

二、char和wchar_t
同时支持ASCII和UNICODE，这给C程序员带来了无尽的麻烦。这不得不定义一种新类型来表示UNICODE，这便是wchar_t。char众所周知，表示的是一个字符，如’a’, ‘1’都是char。wchar_t表示的是一个“宽字符”，它的长度比char要大，在vs下为16位，和short一致。在定义一个宽字符组成的字符串时，要在字面值前加上L，如L’a’，表示的就是一个宽字符a。

C语言中的字符串，其实就是以0结尾的一串字符。而字符又分为窄字符(char)和宽字符(wchar_t)。同样的，在字符串字面值前加上L表示的是宽字符串，如L"hello"。

我们在对字符串进行操作时，必须要小心翼翼，了解它到底是宽字符串还是窄字符串。例如，在获取字符串长度时，窄字符串是strlen，而宽字符串是wcslen。我一直都搞不懂为什么不按照strlen的命名规则来，命名为wstrlen呢，这样多容易记。好在两个函数明确写出了一个接受的参数是const char*，另外一个是const wchar_t*，如果传入了错误的字符串类型，则会得到一个错误。不幸的是，有些函数可能接受的是一个void*，如果你传入了错误的字符串类型，则可能要花大把时间来定位问题。

三、LPCSTR和LPCWSTR
这两个是Windows API中最为常见的两种字符串类型。LP表示Long Pointer，指针。C表示const，STR表示窄字符串，WSTR表示宽字符串，那么翻译过来就是：

LPCSTR = const char*

LPCWSTR = const wchar_t*

很多初学者在定义了UNICODE的情况下，调用一些API，却传入了LPCSTR，这样就会得到一个编译错误。解决的方式就是在字面值前加上L。

四、TCHAR，LPCTSTR
如果我们希望编写编码集无关的代码，我们很可能会写出以下代码：

#ifndef _UNICODE
LPCSTR szStr = “hello”;
#else
LPCWSTR szStr = L"hello";
#endif
有没有办法来自动区分是否是用ASCII还是UNICODE？微软提供了TCHAR，以及TCHAR字符串类型LPCTSTR。

简单来说，TCHAR和LPCTSTR会根据当前字符集来选择字符类型。使用_T宏将字符串包围起来，如_T(“hello”)，如果是UNICODE字符集，将会被展开为L"hello"，否则不变。

那么以上代码可以改为：

LPCTSTR szStr = _T(“hello”);
五、更多类型，如OLECHAR，BSTR，CString，QString
OLECHAR和BSTR用于COM编程，它们都有相应的函数来创建、控制和销毁。CString是ATL中封装的一个字符串类型，多用于MFC项目。QString是Qt中强大的字符串类。

六、建议
之前提到有一个同学来面试，他使用了LPCTSTR来保存一个字符串，然后用std::cout来输出字符串，结果只得到了一个指针的地址。原来他在vs设置里，将字符集调成了UNICODE，那么其实他定义的是个宽字符串，得有wcout才能得到正确的结果。

以下是建议：

1. 尽量使用UNICODE字符集。它对程序效率有提升（因为Windows是用utf-16保存字符串），不会在底层进行字符集的转换。

2. 尽量使用同一体系下的字符串。例如，如果是C风格的Windows编程，那么就尽量不要std和Windows风格字符串混用。可以参考Windows核心编程，里面介绍了如何用Windows API来操控字符串。同样，也尽量不要混用LCPSTR，CString以及QString等，除非你知道中间到底发生了什么。

如果有可能的话，可以看看Qt中QString的源代码，使用它几乎可以满足所有字符串的要求。

最后说一下，字符串看似简单，其实里面蕴藏的知识不少，希望大家阅读了本文之后，能对字符串类型有个基本的了解。

---

附注: 本文经作者允许转载于此,原文链接见文首.