《Windows via C/C++》学习笔记(二)：Working with Characters and String

1. 字符编码与数据类型

编码	字节数	类型	字符(串)常量	WinNT.h中的定义
ANSI	8bit	char	'A' "A string"	typedef char CHAR; typedef CHAR *PCHAR; typedef CHAR *PSTR; typedef CONST CHAR *PCSTR;
Unicode (UTF-16)	16bit	wchar_t 通过编译器设置/Zc:wchar_t支持	L'A' L"A string"	typedef char CHAR; typedef CHAR *PWCHAR; typedef CHAR *PWSTR; typedef CONST CHAR *PCWSTR;

WinNT.h头文件中定义字符类型宏，TCHAR、PTCHAR、PTSTR、PCTSTR、TEXT()，可在ANSI和Unicode编码间通用。

 

2. Windows函数中关于字符编码的信息

• 使用UNICODE宏区分程序的编码是使用ANSI或Unicode；
• 在Vista中ANSI编码的函数在内部首先将ANSI转化为Unicode再调用Unicode版本去做；
• 为兼容16位的旧Windows函数只有ANSI编码版本，应被替换掉，如OpenFile -> CreateFile, WinExec -> CreateProcess等；
• 新的Windows函数只有Unicode版本，如ReadDirectoryChangesW和CreateProcessWithLogonW；
• COM接口要求使用Unicode；
• 资源文件通常为Unicode编码，Vista下系统可自动转换编码。

3. C运行时库中关于字符编码的信息

• C运行时库提供Unicode、ANSI两个版本，但两者不会相互调用；
• 使用_UNICODE宏区分Unicode和ANSI编码。

 

4. C运行时库的安全字符函数

潜在隐患：目标字符缓冲区未能承载结果字符，导致内存崩溃。

解决方法：包含StrSafe.h头文件

a. 使用_tcscpy_s、_tcscat_s代替_tcscpy、_tcscat，其函数原型为

errno_t _tcscpy_s(PTSTR strDestination, size_t numberofCharacters, PCSTR strSource);

errno_t _tcscat_s(PTSTR strDestination, size_t numberofCharacters, PCSTR strSource);

• 其中参数numberofCharacters使用_countof宏（在stdlib.h中定义）计算字符的数目去确定缓存大小；
• 安全函数返回errno_t，但并非真正返回。在Debug模式下编译的程序会弹出一断言对话框，Release模式下编译的程序会直接退出。

错误处理方法：

①　定义一错误处理函数，函数原型如下：

void InvalidParameterHandler(PCSTR expression, PCSTR function, PCSTR file, unsigned in line, uintptr_t /*pReserved*/);

②　使用_set_invalid_parameter_handler注册处理函数；

③　程序开始时，调用_CrtSetReportMode(_CRT_ASSERT, 0)关闭断言对话框。

• 当字符串经过安全函数处理时出现错误后，字符串首字符变为'\0'，缓冲区的其余部分由0xfd填充。

 

b. 更多对字符处理的控制

包括以字符数目计算缓冲区大小的函数，函数名中带有Cch（count of characters）

StringCchCat(Ex)，StringCchCopy(Ex)，StringCchPrintf(Ex)

和以字节数计算缓冲区大小的函数，函数名中带有Cb（count of bytes）

StringCbCat(Ex)，StringCbCopy(Ex)，StringCbPrintf(Ex)

• 函数返回值类型为HRESULT

S_OK：表示字符处理成功；

STRSAFE_E_INVALID_PARAMETER：非法参数，如pszDest为NULL、错误的dwFlags等；

STRSAFE_E_INSUFFICIENT_BUFFER

：目标字符串缓冲区空间不足，但目标字符串会尽可能放入字符并以'\0'结束字符串。

• 以Ex结尾的字符串处理函数提供了更多的控制，增加了三个参数：

LPTSTR* ppszDestEnd：返回目的字符串缓冲区结束字符（'\0'）的字符指针；

size_t* pcchRemaining：返回目的字符串缓冲区未使用字符数；

DWORD dwFlags：关于字符处理的标记。

数值	描述
STRSAFE_FILL_BEHIND_NULL	当函数运行成功时，将dwFlags低字节填充到目的字符串未初始化的字符上。
STRSAFE_IGNORE_NULLS	将NULL字符串指针视为(TEXT(""))。
STRSAFE_FILL_ON_FAILURE	当函数运行失败时，将dwFlags低字节填充到整个目的字符串上，除了第一个字符设置为'\0'。
STRSAFE_NULL_ON_FAILURE	当函数运行失败时，将目的字符串的第一个字符设置为'\0'，并将字符串视为(TEXT(""))。
STRSAFE_NO_TRUNCATION	目的字符串被设置为(TEXT(""))。

 

c. Windows字符函数关于字符串比较的函数

可使用CompareString(Ex)和CompareStringOrdinal比较字符串：

• CompareString(Ex)是根据系统的区域设置，从语言学角度去比较两个字符串。函数需要获得一32位的区域设置编号（LCID），可通过GetThreadLocale函数获得。
• CompareStringOrdinal则是针对程序代码中的字符串比较，只做码点比较（code-point comparison）。该函数只有Unicode编码的版本。
• 返回值为int。可将返回值减2，即可得到与C运行时库中字符串比较函数相同的返回值。

宏	数值	描述
	0	字符串比较操作失败。
CSTR_LESS_THAN	1	pString1小于pString2。
CSTR_EQUAL	2	字符串相等。
CSTR_GREATER_THAN	3	pString1大于pString2。

5. 使用Unicode的理由

• 便于程序的全球化和本地化；
• 可发布独立的支持所有语言的二进制文件；
• 提高程序运行的效率和减少内存占用（部分Windows函数会在内部将ANSI字符串转为Unicode再继续运行）；
• 某些Windows函数只提供Unicode编码版本；
• 可确保程序能够与COM整合；
• 可确保程序能够与.Net Framework整合；
• 便于程序资源操作（资源中的字符串通常为Unicode编码）。

 

6. 使用字符及字符串的推荐方法

• 以字母数组的角度，而非char数组和字节数组的角度去看待字符串；
• 对于文本字符和字符串，使用通用的数据类型，如TCHAR/PTSTR；
• 对于字节，字节指针和数据缓冲区，使用明确的数据类型，如BYTE/PBYTE;
• 对于原义字符及字符串使用TEXT()或_T()宏，但不要混合使用；
• 全球化，如使用PTSTR代替PSTR；
• 使用_countof()宏计算字符个数，多用于确定缓冲区大小。使用_sizeof()计算字节数，多用于分配内存空间；
• 避免printf系列函数，特别是使用%s和%S去实现ANSI和Unicode相互转换，应使用MultiByteToWideChar和WideCharToMultiByte；
• 总是同时使用或不使用UNICODE和_UNICODE宏。

 

7. 操作字符串的推荐方法

• 总是使用安全函数（以_s为后缀或以StringCch为前缀的函数）；
• 不要使用不安全的C运行时库函数，即没有以目标字符串大小为函数参数的函数。

对于缓冲区的操作，C运行时库提供了相应的更新版本，例如memcpy_s，memmove_s，wmemcpy_s，wmemmove_s。使用这些函数，需要声明__STDC_WANT_SECURE_LIB__宏和包含CrtDefs.h；

• 使用编译器设置/GS和/RTCs；
• 不使用Kernel32中的方法，例如lstrcat和lstrcpy；
• 程序代码中使用的字符串的比较使用CompareStringOrdinal，用户界面上的字符串比较使用CompareString(Ex)。

 

8. Unicode与ANSI的相互转化

• 使用MultiByteToWideChar，将多字节字符串转化为宽字符串，函数原型为：

int MultiByteToWideChar(UINT uCodePage, DWORD dwFlag, PCSTR pMultiByteStr, int cbMultiByte, PWSTR pWideCharStr, int cchWideChar)

转换步骤：

①　以NULL为pWideCharStr的值、0为cchWideChar的值、-1为cbMultiByte的值调用MultiByteToWideChar，由返回值得到源字符串的字符个数；

②　分配内存，大小为源字符串的字符个数×sizeof(wchar_t)；

③　再次调用MultiByteToWideChar，将目的字符串缓冲区地址、字符个数等参数传入；

④　使用字符；

⑤　释放字符。

• 使用WideCharToMultiByte，将宽字符串转化为多字节字符串，函数原型为：

int WideCharToMultiByte(UINT uCodePage, DWORD dwFlag, PCWSTR pWideCharStr, int cchWideChar, PSTR pMultiByteStr, int cbMultiByte, PCSTR pDefaultChar, PBOOL pfUsedDefaultChar)

转换步骤：

与MultiByteToWideChar类似。参数pDef

aultChar作为默认字符，用于替代未能在多字节字符中找到对应字符的宽字符，pfUsedDefaultChar用于返回是否有宽字符未能找到对应的多字节字符。

 

• 通过MultiByteToWideChar和WideCharToMultiByte函数，在实现时只实现Unicode编码版本的函数。通过内部调用MultiByteToWideChar转换再调用Unicode编码版本的方式，实现ANSI编码版本的函数。最后使用宏的方式统一函数命名。

在CPP文件中：

void FuncW(PWSTR pWideCharStr, DWORD cchLength)

{

......

}

void FuncA(PSTR pMultiByteStr, DWORD cchLength)

{

PWSTR pWideCharStr;

int nLenOfWideCharStr;

nLenOfWideCharStr = MultiByteToWideChar(CP_ACP, 0, pMultiByteStr, cchLength, NULL, 0);

pWideCharStr = (PWSTR) HeapAlloc(GetProcessHeap(), 0, nLenOfWideCharStr * sizeof(wchar_t));

If (pWideCharStr == NULL)

return;

MultiByteToWideChar(CP_ACP, 0, pMultiByteStr, cchLength, pWideCharStr, nLenOfWideCharStr);

FuncW(pWideCharStr, cchLength);

WideCharToMultiByte(CP_ACP, 0, pWideCharStr, cchLength, pMultiByteStr, (int)strlen(pMultiByteStr), NULL, NULL);

HeapFree(GetProcessHeap(), 0, pWideCharStr);

return;

}

 

在头文件中：

void FuncW(PWSTR pWideCharStr, DWORD cchLength);

void FuncA(PSTR pMultiByteStr, DWORD cchLength);

#ifdef UNICODE

#define Func FuncW

#else

#define Func FuncA

#endif

 

• 区分Unicode与ANSI编码

使用AdvApi32.dll中，在WinBase.h中定义的IsTextUnicode函数去区分文件使用的是ANSI还是Unicode编码。该函数并未能精确得出文件的编码。其函数原型为：

BOOL IsTextUnicode(CONST PVOID pvBuffer, int cb, PINT pResult);