C++ 字符类型总结

转自：http://blog.21ic.com/user1/5585/archives/2009/59431.html

C++ 字符类型总结

1.区别char, wchar_t(WCHAR)

char 使用ANSI字符集。相应串处理函数：strcat( ),strcpy( ), strlen( )等以str打头的函数。
wchar_t 使用UNICODE字符集。原型是unsigned short，它还有别名WCHAR。相应串处理函数：wcscat(),wcscpy(),wcslen()等以wcs打头的函数。为了让编译器识别Unicode字符串，需加前缀L, 如: wchar_t *szTest=L"This is a Unicode string.";

2.TCHAR

一种“临时类型”。根据是否定义UNICODE宏决定原型（或者说字符集）
#ifdef UNICODE
 typedef wchar_t TCHAR;
#else
 typedef char TCHAR;
#endif

相应的串定义如下：
#ifdef UNICODE
 typedef LPTSTR LPWSTR;
#else
 typedef LPTSTR LPSTR;
#endif

说明：
1、UNICODE宏在C/C++中分别是 _UNICODE宏（有下划线）/ UNICODE宏（无下划线）。

2、在使用字符串常量的时候需要使用_TEXT(“TStr”)或者_T("TStr")来支持系统的自动转换。

3.BSTR

BSTR是为了与原先的basic字符兼容。主要用来和VB打交道的(VB里的string就是指它)。一个 BSTR 由头部和字符串组成，头部4字节包含串长信息，串中可以包含嵌入的 null 值。这种带长度前缀的字符串,主要由操作系统来管理的,所以要用api.操作它的API函数很多，如SysAllocString,SysFreeString等.
vc里封装它的类如_bstr_t,及ATL中的CComBSTR等.
BSTR 是以指针的形式进行传递的。
BSTR 是 Unicode 的，即每个字符需要两个字节。
BSTR 通常以两字节的 null 字符结束。

4.更进一步的字符串以及其指针的类型定义　

Win32 API所有的字符串都是用 TCHAR 定义的。（除了XP中引入的只适用于Unicode的API）。如下常见typedefs可在msdn中找到：

type	Meaning in MBCS builds	Meaning in Unicode builds
WCHAR	wchar_t	wchar_t
TCHAR	char	wchar_t
LPSTR	char*	char*
LPCSTR	const char*	const char*
LPWSTR	wchar_t*	wchar_t*
LPCWSTR	wchar_t*	wchar_t*
LPTSTR	TCHAR*	TCHAR*
LPCTSTR	const TCHAR*	const TCHAR*

-------------------------------------------------------------------------

---

CString ,BSTR ,LPCTSTR之间关系和区别

CString 是一个类，封装了一个动态的TCHAR数组 和 相关操作；
BSTR 是一种专有格式的字符串（需要用系统提供的函数来操纵）；
LPCTSTR 只是一个常量的TCHAR指针。

typedef OLECHAR FAR* BSTR;

VC++中各种字符串的表示法

首先char* 是指向ANSI字符数组的指针，其中每个字符占据8位（只使用低7位），这里保持了与传统的C,C++兼容。

LPSTR是一个指向以‘\0’结尾的ANSI字符数组的指针，与char*可以互换使用，在win32中较多地使用LPSTR。
LPCSTR是LPSTR对应的常量形式。

1.LP 即 long pointer。在win16下有长指针(LP)和短指针(P)的区别,而在win32下是没有区别的,都是32位.所以这里的LP和P是等价的.
2.C表示const，用const修饰的对象为只读（不可被修改）。

为了满足程序代码国际化的需要，业界推出了Unicode标准。它提供了一种简单和一致的表达字符串的方法，串中字符用16位表示，可表示数量可满足几乎世界上所有书面语言字符的编码需求。推荐在开发中使用Unicode（类型为wchar_t)。

LPWSTR与LPCWSTR由此产生，含义类似于LPSTR与LPCSTR，但字符是16位的wchar_t而不是char。

然后为了实现两种编码的通用，提出了TCHAR的定义：
如果定义_UNICODE，声明如下：
typedef wchar_t TCHAR;
如果没有定义_UNICODE，则声明如下：
typedef char TCHAR;

LPTSTR和LPCTSTR中字符是TCHAR。

CString类中的字符也是TCHAR类型，它提供了一个封装好的类供用户方便地使用。

LPCTSTR:
#ifdef _UNICODE
typedef const wchar_t * LPCTSTR;
#else
typedef const char * LPCTSTR;
#endif

 

LPTSTR、LPCSTR、LPCTSTR、LPSTR之间的转换

转自：http://blog.csdn.net/yuhuimin111/archive/2009/05/08/4161462.aspx
L表示long指针

这是为了兼容Windows 3.1等16位操作系统遗留下来的，在win32中以及其他的32为操作系统中， long指针和near指针及far修饰符都是为了兼容的作用。没有实际意义。

P表示这是一个指针

C表示是一个常量

T表示在Win32环境中，有一个_T宏
这个宏用来表示你的字符是否使用UNICODE, 如果你的程序定义了UNICODE或者其他相关的宏，那么这个字符或者字符串将被作为UNICODE字符串，否则就是标准的ANSI字符串。

STR表示这个变量是一个字符串

所以LPCTSTR就表示一个指向常固定地址的可以根据一些宏定义改变语义的字符串。
同样， LPCSTR就只能是一个ANSI字符串，在程序中我们大部分时间要使用带T的类型定义。

LPCTSTR == const TCHAR *

CString 和 LPCTSTR 可以说通用。 原因在于CString定义的自动类型转换，没什么奇特的，最简单的C++操作符重载而已。

常量字符串ansi和unicode的区分是由宏_T来决定的。但是用_T("abcd")时，字符串"abcd"就会根据编译时的是否定义_UNICODE来决定是char* 还是 w_char*。 同样，TCHAR 也是相同目的字符宏。看看定义就明白了。简单起见，下面只介绍 ansi 的情况，unicode 可以类推。

ansi情况下，
LPCTSTR 就是 const char*, 是常量字符串（不能修改的）。
而LPTSTR 就是 char*, 即普通字符串（非常量，可修改的）。
这两种都是基本类型， 而CString 是 C++类， 兼容这两种基本类型是最起码的任务了。

由于const char* 最简单（常量，不涉及内存变更，操作迅速）， CString 直接定义了一个类型转换函数
operator LPCTSTR() {......}， 直接返回他所维护的字符串。

当你需要一个const char* 而传入了CString时， C++编译器自动调用 CString重载的操作符 LPCTSTR()来进行隐式的类型转换。
当需要CString , 而传入了 const char* 时（其实 char* 也可以），C++编译器则自动调用CString的构造函数来构造临时的 CString对象。

因此CString 和 LPCTSTR 基本可以通用。

但是 LPTSTR又不同了，他是 char*， 意味着你随时可能修改里面的数据，这就需要内存管理了(如字符串变长，原来的存贮空间就不够了，则需要重新调整分配内存)。
所以 不能随便的将 const char* 强制转换成 char* 使用。
楼主举的例子
LPSTR lpstr = (LPSTR)(LPCTSTR)string;
就是这种不安全的使用方法。

这个地方使用的是强制类型转换，你都强制转换了，C++编译器当然不会拒绝你，但同时他也认为你确实知道自己要做的是什么。因此是不会给出警告的。
强制的任意类型转换是C(++)的一项强大之处，但也是一大弊端。这一问题在 vc6 以后的版本(仅针对vc而言)中得到逐步的改进(你需要更明确的类型转换声明)。

其实在很多地方都可以看到类似
LPSTR lpstr = (LPSTR)(LPCTSTR)string;
地用法，这种情况一般是函数的约束定义不够完善的原因，比如一个函数接受一个字符串参数的输入，里面对该字符串又没有任何的修改，那么该参数就应该定义成 const char*，但是很多初学者弄不清const地用法，或者是懒， 总之就是随意写成了 char* 。 这样子传入CString时就需要强制的转换一下。

这种做法是不安全的，也是不被建议的用法，你必须完全明白、确认该字符串没有被修改。

CString 转换到 LPTSTR (char*), 预定的做法是调用CString的GetBuffer函数，使用完毕之后一般都要再调用ReleaseBuffer函数来确认修改 (某些情况下也有不调用ReleaseBuffer的，同样你需要非常明确为什么这么做时才能这样子处理，一般应用环境可以不考虑这种情况)。

同时需要注意的是， 在GetBuffer 和 ReleaseBuffer之间，CString分配了内存交由你来处理，因此不能再调用其他的CString函数。

CString 转LPCTSTR:
CString cStr;
const char *lpctStr=(LPCTSTR)cStr;

LPCTSTR转CString:
LPCTSTR lpctStr;
CString cStr=lpctStr;

UNICODE：它是用两个字节表示一个字符的方法。比如字符'A'在ASCII下面是一个字符，可'A'在UNICODE下面是两个字符,高字符用0填充，而汉字'程'在ASCII下面是两个字节，在UNICODE下仍旧是两个字节
。UNICODE的用处就是定长表示世界文字，据统计，用两个字节可以编码现存的所有文字而没有二义。

MBCS，它是多字节字符集，它是不定长表示世界文字的编码。MBCS表示英文字母时就和ASCII一样（这也是我们容易把MBCS和ASCII搞混的原因），但表示其他文字时就需要用多字节。

WINDOWS 下面的程序设计可以支持MBCS和UNICODE两种编码的字符串，具体用那种就看你定义了MBCS宏还是UNICODE宏。MBCS宏对应的字符串指针是char*也就是LPSTR，UNICODE对应的指针是unsigned short*也就是LPWSTR，为了写程序方便微软定义了类型LPTSTR，在MBCS下他就是char*, 在UNICODE下它是unsigned short*,这样你就可以重定义一个宏进行不同字符集的转换了。

LPTSTR、LPCSTR、LPCTSTR、LPSTR的来源及意义

LPTSTR、LPCSTR、LPCTSTR、LPSTR的意义：

LPSTR：32bit指针 指向一个字符串，每个字符占1字节
LPCSTR:32-bit指针 指向一个常字符串，每个字符占1字节

LPCTSTR:32-bit指针 指向一个常字符串,每字符可能占1字节或2字节，取决于Unicode宏是否定义
LPTSTR:32-bit指针 每字符可能占1字节或2字节，取决于Unicode宏是否定义

Windows使用两种字符集ANSI和UNICODE，前者就是通常使用的单字节方式，但这种方式处理象中文这样的双字节字符不方便，容易出现半个汉字的情况。而后者是双字节方式，方便处理双字节字符。

WindowsNT 的所有与字符有关的函数都提供两种方式的版本，而Windows9x只支持ANSI方式。
_T一般同字常数相关，如_T("Hello"。如果你编译一个程序为ANSI方式，_T实际不起任何作用。而如果编译一个程序为UNICODE方式，则编译器会把"Hello"字符串以UNICODE方式保存。
_T 和_L的区别在于，_L不管你是以什么方式编译，一律UNICODE方式保存.

Windows核心编程的第一章。

字符串常量前缀L是表示字符串资源为Unicode的。

比如
wchar_t Str[] = L"Hello World!";
这个就是双子节存储字符了。

_T是一个适配的宏～

当
#ifdef _UNICODE的时候
_T就是L
没有#ifdef _UNICODE的时候
_T就是ANSI的。

比如

LPTSTR lpStr = new TCHAR[32];
TCHAR* szBuf = _T("Hello");
以上两句使得无论是在UNICODE编译条件下都是正确编译的。

而且MS推荐你使用相匹配的字符串函数。
比如处理LPTSTR或者LPCTSTR 的时候，不要用strlen ,而是要用_tcslen

否则在UNICODE的编译条件下，strlen不能处理 wchar_t*的字符串。

T是非常有意思的一个符号（TCHAR、LPCTSTR、LPTSTR、_T()、_TEXT()...），它表示使用一种中间类型，既不明确表示使用 MBCS，也不明确表示使用 UNICODE。那到底使用哪种字符集编译的时候才决定。

 

字符编码： http://blog.chinaunix.net/u3/116013/showart.php?id=2366781