unicode与字符串对象.docVIP

Unicode与字符串对象 课程编号 C03 课程内容 nicode宽字节字符串的理解与区别，Unicode项目的创建与一般使用方法，CString类的使用，OLE类型字符串的介绍。 编写日期 2006-03-13 作者 高亚清 (gotter@163.com) 录 1. Unicode 2 1.1. Unicode简介 2 1.2. Unicode与ANSI之间的字符串转换 3 1.3. 建Unicode的VC++项目的一般步骤 4 2. MFC的CString类 5 2.1. CString实现的机制. 5 2.2. LPCTSTR 与 GetBuffer(int nMinBufLength) 6 2.3. FreeExtra()的作用 8 2.4. Format(...) 与 FormatV(...) 9 2.5. LockBuffer() 与 UnlockBuffer() 9 2.6. AllocSysString()与SetSysString(BSTR*) 9 3. COM 中的字符串BSTR和VARIANT 10 3.1. BSTR字符串类型 10 3.2. BSTR的包装类_bstr_t 10 3.3. _variant_t 11 Unicode Unicode简介 如今，Windows操作系统的使用已经遍及世界，为使Windows操作系统及运行在操作系统上的应用软件更容易被世界所有国籍的用户所使用，需要使Windows及运行在其上的应用程序本地化，即使用用户本民族语言的字符集。字符集的不统一使得本地化变得很困难，这需要对操作系统的源代码根据不同的字符集进行全方位的定制，还要提供API的不同字符集的版本，此外，编写应用软件也要针对不同的字符集开发不同的版本。 在欧美地区，字符串被当作一系列以0结尾的单字节字符，这非常自然。使用strlen函数时，会返回一个以0结尾的单字节字符数组中的字符数。但是有些语言，如汉字，字符集的符号很多，而单字节字符集最多只能提供256个符号，这是远远不够的。因此，创立了双字节字符集DBCS（double byte character set）来支持这些语言。在双字节字符集中，字符串中的每个字符由1或2字节组成，因此也叫多字节字符集MBCS(multiple byte character set)。由于有些字符是1字节宽，而有些是2字节宽，这使得操作多字节字符串变得非常麻烦，使用strlen操作多字节字符串不能得到字符串的真正长度，而只能得到字符的字节数。 ANSI的C运行时库中没有支持多字节字符集的函数。VC++运行时库中包含有支持操作多字节字符串的函数，这些函数都以_mb开头，比如_mbstrlen。 Win32中提供了一些辅助函数来帮助操作多字节字符串。如表： Win32中提供的操作多字节字符串的函数 函数 描述 LPTSTR CharNext(LPCTSTR lpszCurrentChar) 返回字符串中下一个字符的地址 LPTSTR CharPrev(LPCTSTR lpszStart,LPCTSTR lpszCurrentChar) 返回字符串中前一个字符的地址 BOOL IsDBcsLeadByte(BYTE bTestChar); 返回该字节是否是一个DBCS字符的第一个字节。 为了更方便地支持软件的国际化，一些国际著名的公司制定了一个宽字节的字符集标准—Unicode。该标准最早由Apple和Xerox公司在1988年创立，为发展和促进这一个标准，1991年创建了Unicode联盟，成员包括Adobe,Aldus,Apple,Borland,Digital,IBM,Lotus,Metaphore,Microsoft, Novell,Sun，Taligent,Xerox等。 Unicode这个名称来自三个主要特征：通用(universal)—它解决了世界语言的需要；统一(uniform)—它为了保证效率而使用固定长度的代码；唯一(unique)—字符代码的重复将到了最低点。 Unicode字符串中所有字符都是16位的(2个字节)，没有象MBCS字符那样的特殊字节来指示下个字节是同一字符的一部分还是一个新的字符，这意味着可以简单地增减一个指针来访问字符串中的所有字符。 由于Unicode用16位值来表示每个字符，因此可以表示65536个字符，这使得可对世界上所有的书面语言字符进行编码。目前，Unicode已经为Abrabic,Chinese bopomofo,Cyrillie(Russian),Greek, Hebrew,Japanese kane,Korean hangul和English alphabets以及其他蚊子定义了码点(一个符号在字