C++字符串完全指引之一：Win32 字符编码

核心提示：使用字符串处理函数我们都已经见过C语言中的字符串函数，strcpy(), sprintf(), atoll()等，C++字符串完全指引之一：Win32 字符编码(2)，这些字符串只应该用来处理单字节字符字符串，标准库也提供了仅适用于Unicode类型字符串的函数，让我们来看看为什么，假设一个日本用户使用了你的程序，比如

使用字符串处理函数

我们都已经见过C语言中的字符串函数，strcpy(), sprintf(), atoll()等。这些字符串只应该用来处理单字节字符字符串。标准库也提供了仅适用于Unicode类型字符串的函数，比如wcscpy(), swprintf(), wtol()等。

微软还在它的CRT(C runtime library)中增加了操作DBCS字符串的版本。Str***()函数都有对应名字的DBCS版本_mbs***()。如果你料到可能会遇到DBCS字符串（如果你的软件会被安装在使用DBCS编码的国家，如中国，日本等，你就可能会），你应该使用_mbs***()函数，因为他们也可以处理SBCS字符串。（一个DBCS字符串也可能含有单字节字符，这就是为什么_mbs***()函数也能处理SBCS字符串的原因）

让我们来看一个典型的字符串来阐明为什么需要不同版本的字符串处理函数。我们还是使用前面的Unicode字符串 L"Bob"：

42 00	6F 00	62 00	00 00
B	o	b	BOS

因为x86CPU是little-endian，值0x0042在内存中的存储形式是42 00。你能看出如果这个字符串被传给strlen()函数会出现什么问题吗？它将先看到第一个字节42，然后是00，而00是字符串结束的标志，于是strlen()将会返回1。如果把"Bob"传给wcslen()，将会得出更坏的结果。wcslen()将会先看到0x6f42，然后是0x0062，然后一直读到你的缓冲区的末尾，直到发现00 00结束标志或者引起了GPF。

到目前为止，我们已经讨论了str***()和wcs***()的用法及它们之间的区别。Str***()和_mbs**()之间的有区别区别呢？明白他们之间的区别，对于采用正确的方法来遍历DBCS字符串是很重要的。下面，我们将先介绍字符串的遍历，然后回到str***()与_mbs***()之间的区别这个问题上来。

正确的遍历和索引字符串

因为我们中大多数人都是用着SBCS字符串成长的，所以我们在遍历字符串时，常常使用指针的++-和-操作。我们也使用数组下标的表示形式来操作字符串中的字符。这两种方式是用于SBCS和Unicode字符串，因为它们中的字符有着相同的宽度，编译器能正确的返回我们需要的字符。

然而，当碰到DBCS字符串时，我们必须抛弃这些习惯。这里有使用指针遍历DBCS字符串时的两条规则。违背了这两条规则，你的程序就会存在DBCS有关的bugs。

1．在前向遍历时，不要使用++操作，除非你每次都检查lead byte；

2．永远不要使用-操作进行后向遍历。

我们先来阐述规则2，因为找到一个违背它的真实的实例代码是很容易的。假设你有一个程序在你自己的目录里保存了一个设置文件，你把安装目录保存在注册表中。在运行时，你从注册表中读取安装目录，然后合成配置文件名，接着读取该文件。假设，你的安装目录是C:Program FilesMyCoolApp，那么你合成的文件名应该是C:Program FilesMyCoolAppconfig.bin。当你进行测试时，你发现程序运行正常。

现在，想象你合成文件名的代码可能是这样的：

bool GetConfigFileName ( char* pszName, size_t nBuffSize )
{
　　char szConfigFilename[MAX_PATH];
　　// Read install dir from registry... we''ll assume it succeeds.
　　// Add on a backslash if it wasn''t present in the registry value.
　　// First, get a pointer to the terminating zero.
　　char* pLastChar = strchr ( szConfigFilename, '''' );
　　// Now move it back one character.
　　pLastChar--;　
　　if ( *pLastChar != ''\'' )
　　　　strcat ( szConfigFilename, "\" );
　　// Add on the name of the config file.
　　strcat ( szConfigFilename, "config.bin" );
　　// If the caller''s buffer is big enough, return the filename.
　　if ( strlen ( szConfigFilename ) >= nBuffSize )
　　　　return false;
　　else
　　　　{
　　　　strcpy ( pszName, szConfigFilename );
　　　　return true;
　　　　}
}

这是一段很健壮的代码，然而在遇到 DBCS 字符时它将会出错。让我们来看看为什么。假设一个日本用户使用了你的程序，把它安装在 C:。下面是这个名字在内存中的存储形式：

43	3A	5C	83 88	83 45	83 52	83 5C	00
			LB TB	LB TB	LB TB	LB TB
C	:						EOS