c - 如何获取多字节字符串的字节大小

Question

如何在 Visual C 中获取多字节字符串的字节大小？有功能还是我必须自己数字符？

或者，更一般地说，如何获得 TCHAR 字符串的正确字节大小？

解决方案：

_tcslen(_T("TCHAR string")) * sizeof(TCHAR)

编辑：
我只是在谈论以空字符结尾的字符串。

score 10 · Accepted Answer

让我们看看我是否可以解决这个问题：

“多字节字符串”一开始是一个模糊的术语，但在微软的世界里，它通常意味着“不是 ASCII，也不是 UTF-16”。因此，您可以使用一些字符编码，每个字符可能使用 1 个字节，或 2 个字节，或者可能更多。一旦你这样做，字符串中的字符数！=字符串中的字节数。

让我们以 UTF-8 为例，即使它没有在 MS 平台上使用。字符 é 在内存中被编码为“c3 a9”——因此是两个字节，但只有 1 个字符。如果我有字符串“thé”，它是：

text: t  h  é     \0
mem:  74 68 c3 a9 00

这是一个“空终止”字符串，因为它以空结尾。如果我们想让我们的字符串中包含空值，我们需要以其他方式存储大小，例如：

struct my_string
{
    size_t length;
    char *data;
};

...以及一系列功能来帮助解决这个问题。（这有点像std::string工作原理，非常粗略。）

但是，对于以 null 结尾的字符串，将以字节而不是字符为单位strlen()计算它们的大小。（还有其他计算字符的函数）只是在它看到 0 字节之前计算字节数——没什么特别的。strlen

现在，MS 世界中的“wide”或“unicode”字符串指的是 UTF-16 字符串。他们有类似的问题，字节数！=字符数。（另外：字节数 / 2 ！= 字符数）让我们再看一遍：

text:   t      h      é      \0
shorts: 0x0074 0x0068 0x00e9 0x0000
mem:    74 00  68 00  e9 00  00 00

那是 UTF-16 中的“thé”，以小端序存储（这是您的典型桌面）。注意所有的 00 字节——这些字节跳到 strlen 上。因此，我们将wcslen其称为 2 字节short，而不是单个字节。

最后，您有TCHARs，它是上述两种情况之一，具体取决于是否UNICODE定义了。_tcslen将是适当的函数（要么要么strlen）wcslen，并且TCHAR要么char要么wchar_t。TCHAR旨在简化 Windows 世界中向 UTF-16 的迁移。

score 3 · Accepted Answer

根据 MSDN，_tcslen对应于strlenwhen_MBCS被定义。strlen将返回字符串中的字节数。如果使用_tcsclen，则返回对应_mbslen的多字节字符数。

此外，多字节字符串（AFAIK）不包含嵌入的空值，不。

不过，我首先会质疑多字节编码的使用……除非您支持旧版应用程序，否则没有理由选择多字节而不是 Unicode。

2 回答 2