02-字符和字符串处理

第一部分，必备知识

第2章 字符和字符串处理

概述： Windows支持ANSI和Unicode两种字符集，自Windows NT起内核全部采用Unicode实现。编写Windows程序时应使用Unicode以支持多语言和国际化，并通过通用类型和宏实现代码兼容性。

字符编码：ANSI与Unicode的区别

//ANSI字符：8位，最多表示256种字符，无法表示中文、日文等多语言字符
char c = 'A';  //ANSI字符类型

//Unicode字符：16位(UTF-16)，Windows使用wchar_t表示，可表示65536种字符
wchar_t w = L'A';  //Unicode字符，前缀L表示宽字符

//Windows NT内核全部采用Unicode实现，ANSI版本函数只是转换为Unicode后调用
//因此使用Unicode函数直接调用内核，性能更好；ANSI函数需要额外转换开销

//Windows头文件通过宏定义支持ANSI和Unicode的通用编程

#ifdef UNICODE
    typedef wchar_t TCHAR;      //Unicode版本
    typedef wchar_t* PTSTR;
    typedef const wchar_t* PCTSTR;
    #define TEXT(quote) L##quote  //自动加L前缀
#else
    typedef char TCHAR;         //ANSI版本
    typedef char* PTSTR;
    typedef const char* PCTSTR;
    #define TEXT(quote) quote     //不加前缀
#endif

//使用示例：编写可同时编译为ANSI或Unicode的代码
TCHAR szBuffer[100];           //根据项目设置自动选择char或wchar_t
PTSTR pszString = szBuffer;    //指向TCHAR的指针
PCTSTR pszConst = TEXT("Hello"); //自动添加L前缀或保持原样

//Windows函数也提供宏自动选择A或W版本
#ifdef UNICODE
    #define CreateFile CreateFileW
    #define MessageBox MessageBoxW
#else
    #define CreateFile CreateFileA
    #define MessageBox MessageBoxA
#endif

Windows通用字符类型与宏

为了编写可同时支持ANSI和Unicode的代码，Windows头文件定义了一系列通用类型和宏。通过定义或取消定义UNICODE宏，可以控制TCHAR等类型映射到char还是wchar_t。TEXT宏会根据UNICODE定义自动添加L前缀。Windows API函数也提供了类似的宏机制，如CreateFile在Unicode下实际调用CreateFileW，在ANSI下调用CreateFileA。

//Windows头文件通过宏定义支持ANSI和Unicode的通用编程

#ifdef UNICODE
    typedef wchar_t TCHAR;      //Unicode版本
    typedef wchar_t* PTSTR;
    typedef const wchar_t* PCTSTR;
    #define TEXT(quote) L##quote  //自动加L前缀
#else
    typedef char TCHAR;         //ANSI版本
    typedef char* PTSTR;
    typedef const char* PCTSTR;
    #define TEXT(quote) quote     //不加前缀
#endif

//使用示例：编写可同时编译为ANSI或Unicode的代码
TCHAR szBuffer[100];           //根据项目设置自动选择char或wchar_t
PTSTR pszString = szBuffer;    //指向TCHAR的指针
PCTSTR pszConst = TEXT("Hello"); //自动添加L前缀或保持原样

//Windows函数也提供宏自动选择A或W版本
#ifdef UNICODE
    #define CreateFile CreateFileW
    #define MessageBox MessageBoxW
#else
    #define CreateFile CreateFileA
    #define MessageBox MessageBoxA
#endif

C运行库中的安全字符串函数

传统的C字符串函数（如strcpy、strcat）不检查目标缓冲区大小，容易导致缓冲区溢出漏洞。C运行库提供了带_s后缀的安全版本，要求显式指定目标缓冲区大小。Windows还提供了StringCch和StringCb系列函数，它们返回HRESULT以便进行错误处理，并且明确区分字符计数（cch）和字节计数（cb）。这些函数在缓冲区不足时会安全地截断字符串，而不是造成溢出。

//传统C字符串函数不安全，容易导致缓冲区溢出，应使用安全版本

//不安全：strcpy, strcat, sprintf等不检查目标缓冲区大小
char dest[10];
strcpy(dest, "This is a very long string");  //缓冲区溢出！崩溃或安全漏洞

//安全版本：strcpy_s, strcat_s, sprintf_s等带_s后缀的函数
errno_t strcpy_s(char* dest, size_t destSize, const char* src);
errno_t strcat_s(char* dest, size_t destSize, const char* src);
int sprintf_s(char* buffer, size_t sizeOfBuffer, const char* format, ...);

//使用示例
char dest[10];
strcpy_s(dest, _countof(dest), "short");  //安全，目标大小明确

//Windows特有的安全函数：StringCch系列（推荐）
//ch = character count，以字符数计算大小
HRESULT StringCchCopy(LPTSTR pszDest, size_t cchDest, LPCTSTR pszSrc);
HRESULT StringCchCat(LPTSTR pszDest, size_t cchDest, LPCTSTR pszSrc);
HRESULT StringCchPrintf(LPTSTR pszDest, size_t cchDest, LPCTSTR pszFormat, ...);

//StringCb系列：以字节数计算大小
HRESULT StringCbCopy(LPTSTR pszDest, size_t cbDest, LPCTSTR pszSrc);

//使用示例
TCHAR szPath[MAX_PATH];
StringCchCopy(szPath, _countof(szPath), TEXT("C:\\Windows\\System32"));
StringCchCat(szPath, _countof(szPath), TEXT("\\kernel32.dll"));

ANSI与Unicode字符串的转换

在实际编程中，有时需要在ANSI和Unicode之间进行转换，例如与遗留系统交互或处理特定文件格式。Windows提供了MultiByteToWideChar和WideCharToMultiByte两个函数进行转换。MultiByteToWideChar将多字节字符（如ANSI）转换为宽字符（Unicode），WideCharToMultiByte则相反。这两个函数都支持指定代码页（如CP_ACP表示当前ANSI代码页），并且可以处理无法转换的字符。

//有时需要在ANSI和Unicode之间转换，使用MultiByteToWideChar和WideCharToMultiByte

//ANSI转Unicode
int MultiByteToWideChar(
    UINT CodePage,      //代码页，常用CP_ACP(ANSI)或CP_OEMCP
    DWORD dwFlags,      //标志，通常0
    LPCSTR lpMultiByteStr,  //源ANSI字符串
    int cbMultiByte,    //源字符串字节数，-1表示自动计算（含终止符）
    LPWSTR lpWideCharStr,   //目标Unicode缓冲区
    int cchWideChar     //目标缓冲区字符数
);

//Unicode转ANSI
int WideCharToMultiByte(
    UINT CodePage,      //代码页
    DWORD dwFlags,      //标志
    LPCWSTR lpWideCharStr,  //源Unicode字符串
    int cchWideChar,    //源字符串字符数，-1表示自动计算
    LPSTR lpMultiByteStr,   //目标ANSI缓冲区
    int cbMultiByte,    //目标缓冲区字节数
    LPCSTR lpDefaultChar,   //无法转换字符的替代字符
    LPBOOL lpUsedDefaultChar    //是否使用了替代字符
);

//使用示例：ANSI转Unicode
char szANSI[] = "Hello, 世界";
wchar_t szUnicode[100];
int nLen = MultiByteToWideChar(CP_ACP, 0, szANSI, -1, szUnicode, 100);

总结：

编写Windows程序应始终使用Unicode字符集以支持国际化和直接调用NT内核。使用通用类型（TCHAR, PTSTR, PCTSTR）和TEXT宏编写可同时支持ANSI和Unicode的代码。避免使用传统C字符串函数，改用安全版本（_s后缀）或Windows特有的StringCch/StringCb系列函数。始终显式指定缓冲区大小，使用_countof宏计算元素个数。进行ANSI和Unicode转换时使用MultiByteToWideChar和WideCharToMultiByte函数。