char和wchar_t
- char是C++基本类型，占一个字节（8位），可用来存储单个字符的Unicode码，由于正好8位，也可用来存储字节
- wchar_t是C++扩展类型，占两个字节，可以用来存储Unicode编码(UTF16)的字符。wchar实质上是unsigned short的一个别名，由于unsigned short占两个字节（16位），正好可以用来存放双字节字符
typedef unsigned short wchar_t
- 为区分普通char，wchar字面量前面会加一个L，表示这是宽字符
- 虽然wchar_t本质上只是unsigned short的别名，但是尽量别将它们混用，一来不易理解，二来编译器会将二者做一些区分处理，所以二者并不是完全一样的，只是底层字节长度一样
char数组和wchar_t数组的使用
C++中没有字符串类型，通过char数组来表示字符串，C++会在字符数组的最后拼加一个’\0’字符，来标记字符串结束
'\0’字符对应的ASCII码为0，在char数组中，结束符占一个字节，数组长度即为字符数+1，在wchar数组中，结束符占两个字节，数组长度即为字符数+2
char数组既可以通过char[]来表示，也可以通过char*来表示，因为char的长度是已知的，初始指针的地址加1就可以拿到下个char的地址
//包含'\0'在内共6个字符（6个字节）
char str[] = "hello";
cout << sizeof(str) << endl;
for (auto ch : str)
cout << ch << endl;
//包含'\0'在内共6个字符（6个字节）
char* pStr = "hello";
cout << strlen(pStr) << endl;
cout << pStr[0] << endl;
cout << pStr[5] << endl;
int next = 0;
while (pStr[next])
cout << pStr[next++] << endl;
//包含'\0'在内共6个字符（12个字节）
wchar_t str[] = L"hello";
wcout << sizeof(str) << endl;
for (auto ch : str)
wcout << ch << endl;
//包含'\0'在内共6个字符（12个字节）
wchar_t* pStr = L"hello";
wcout << wcslen(pStr) << endl;
wcout << pStr[0] << endl;
wcout << pStr[5] << endl;
//wchar_t*指针做++运算时，不是按字节算的，而是字符索引
int next = 0;
while (pStr[next])
wcout << pStr[next++] << endl;
char保存宽字符会发生什么
//保存45的二进制字节
char a = 45;
//字符对应的ASCII码为45，保存ASCII码的二进制字节，即二进制的45
char b = '-';
//20013占两个字节，低字节部分为45，只保存低字节部分字节，即二进制的45
char c = 20013;
//宽字符对应的Unicode/UTF16编码为20013，只保留低字节部分，，即二进制的45
char d = L'中';
//char打印时，将内存中的字节视为ASCII码编号，打印对应的字符
//由于a，b，c，d内存字节都是一样的，打印出来的字符都是一样的，即b字符
cout << a << endl;
cout << b << endl;
cout << c << endl;
cout << d << endl;
虽然char保存宽字符是不合理的，但是C++却允许进行强制转换
因为类型安全检测，是一个很耗性能的工作，C++放弃了易用性来换取性能
我们讲解这些，是为了加强对C++底层原理的理解，用char去保存宽字符并没有实际的应用意义，不要在实际应用中这样去使用
本地编码
字符串存储到本地，必须要转换为字节，而不同的编码方式，将会转换出不同的字节
那么，编译器到底会以哪种编码方式来编译我们代码中的文本？
我们可以通过以下代码，来告诉编译器，使用指定的字符编码方式
//获取操作系统默认区域信息
//如指定区域名称，则获取指定区域的信息
locale locale = std::locale("");
//设置全局区域信息
//C++编译器将根据区域信息，使用对应区域默认的字符编码
locale::global(locale);
如果我们没有明确指定区域信息，编译器将根据本地环境设置一种默认编码方式，所有文本都将被视为这种编码
这里的本地环境，可能包括编译器，代码编辑器(IDE)，文件编码，操作系统等多种因素
不同的编译器可能使用不同的默认编码，IDE又可能会根据软件设定，源代码文件的编码，操作系统默认语言设定等因素，来修改编译参数
我们把这种不确定的，有本地诸多因素最终决定的编码方式，叫做本地编码
char*存放宽字符会发生什么
//这里使用的本地编码是UTF8
//UTF8中每个'中'字符占三个字节，4个字符共12个字节
char* e = "中中中中";
//编译器直接将UTF8编码对应的字节，从e指向的地址开始，写入内存
int next = 0;
while (e[next] != 0)
cout << (int) e[next++] << endl;
//编译器并不知道char*是从string转换来的，所以不可能为char保留编码信息
//当我们通过cout来打印char*时，只会以ASCII码或Unicode编码(UTF16)逐个打印字符，直到遇到'\0'
//显然，用char*保存中文字符串也是没实际意义的，因为保存和读取时的编码可能不一致，肯定会乱码
cout << e << endl;
//打印结果如下
//可以看出，保存时，是每个字符按UTF8用3个字节保存的
//读取时，每两个字节作为一个Unicode/UTF16字符来打印
[-28,-72,-83,-28,-72,-83,-28,-72,-83,-28,-72,-83]
['涓','镗','腑','涓','镗','腑']
//当一个字符串中，既包含英文字符，又包含中文字符时
//cout将以0开头的字节视为ASCII码，非0开头的字节，和之后的字节，视为Unicode码(UTF16)
//测试代码
e = "A中B中C中D中EEEE";
cout << e << endl;
['A','涓','瑽','涓','瑿','涓','璂','涓','璄','E','E','E']
string和wstring
string和wstring是C++标准库中的字符串封装类，分别对应char和wchar类型的字符
现代C++代码中，一般都使用这两个作为字符串处理类，而不是char[]和wchar[]
string str = "hello";
cout << str << endl;
cout << str[0] << endl;
cout << (int) str[5] << endl;
cout << str.length() << endl;
//设置本地编码，自动获取操作系统设定
//ACP:ANSI-Code-Page，国家标准代码页
setlocale(LC_ALL, ".ACP");
//也可以直接指定国家区域和语言
setlocale(LC_ALL, "Chinese-Simplified");
//记得加上以上声明，否则可能乱码，或者wcout不输出字符
//这是C++原生代码中，使用中文字符串的标准写法
wstring str = L"我是中国人";
wcout << str << endl;
wcout << str[0] << endl;
wcout << (int) str[5] << endl;
wcout << str.length() << endl;
string和wstring转换
#include <iostream>
#include "windows.h"
using namespace std;
string wcharToString(const wchar_t* pWchar) {
int length = WideCharToMultiByte(CP_ACP, 0, pWchar, -1, NULL, 0, NULL, NULL);
char* pChar = new char[length];
WideCharToMultiByte(CP_ACP, 0, pWchar, -1, pChar, length, NULL, NULL);
pChar[length - 1] = 0;
string str(pChar);
delete[] pChar;
return str;
}
string wstringToString(const wstring& rWstring) {
return wcharToString(rWstring.c_str());
}
wstring charToWstring(const char* pChar, int nLen) {
int length = MultiByteToWideChar(CP_ACP, 0, pChar, nLen, 0, 0);
wchar_t* pWchar = new wchar_t[length + 1];
MultiByteToWideChar(CP_ACP, 0, pChar, nLen, pWchar, length);
pWchar[length] = 0;
//跳过OxFEFF
if (pWchar[0] == 0xFEFF)
for (int i = 0; i < length; i++)
pWchar[i] = pWchar[i + 1];
wstring wstring(pWchar);
delete[] pWchar;
return wstring;
}
wstring stringToWstring(const string& rString) {
return charToWstring(rString.c_str(), rString.size());
}
int main(int argc, char* argv[]) {
wstring a = L"ABCDEFG";
string b = wstringToString(a.c_str());
cout << b << endl;
string c = "ABCDEFG";
wstring d = stringToWstring(c.c_str());
wcout << d << endl;
return 0;
}
string和wstring存放中文时的区别
- string以本地ANSI码存储字节，但是读取时将字节视为ASCII/Unicode(UTF16)
- wstring以Unicode码(UTF16)存储字节，读取时也将字节视为Unicode码(UTF16)
- 所以string存储宽字符会乱码，而wstring则不会
对不同编码方式不清楚的请看这里：https://hellogoogle.blog.csdn.net/article/details/103455674
