C++字符串完全指南

川长思鸟来 2022-08-06 01:06 216阅读 0赞

[点击打开链接][Link 1]

# Win32字符编码 #

## 前言 ##

字符串的表现形式各异，TCHAR，std::string，BSTR等等，有时还会见到怪怪的用\_tcs起头的宏。这个指南的目的就是说明各种字符串类型及其用途，并说明如何在必要时进行类型的相互转换。

在指南的第一部分，介绍三种字符编码格式。理解编码的工作原理是致为重要的。即使你已经知道字符串是一个字符的数组这样的概念，也请阅读本文，它会让你明白各种字符串类之间的关系。

指南的第二部分，将阐述各字符串类，什么时候使用哪种类，及其相互转换。

## 字符串基础 - ASCII, DBCS, Unicode ##

所有的字符串类都起源于C语言的字符串，而C语言字符串则是字符的数组。首先了解一下字符类型。有三种编码方式和三种字符类型。

第一种编码方式是单字节字符集，称之为SBCS，它的所有字符都只有一个字节的长度。ASCII码就是SBCS。SBCS字符串由一个零字节结尾。

第二种编码方式是多字节字符集，称之为MBCS，它包含的字符中有单字节长的字符，也有多字节长的字符。Windows用到的MBCS只有二种字符类型，单字节字符和双字节字符。因此Windows中用得最多的字符是双字节字符集，即DBCS，通常用它来代替MBCS。

在DBCS编码中，用一些保留值来指明该字符属于双字节字符。例如，Shift-JIS(通用日语)编码中，值0x81-0x9F 和 0xE0-0xFC 的意思是：“这是一个双字节字符，下一个字节是这个字符的一部分”。这样的值通常称为前导字节(lead byte)，总是大于0x7F。前导字节后面是跟随字节(trail byte)。DBCS的跟随字节可以是任何非零值。与SBCS一样，DBCS字符串也由一个零字节结尾。

第三种编码方式是Unicode。Unicode编码标准中的所有字符都是双字节长。有时也将Unicode称为宽字符集(wide characters)，因为它的字符比单字节字符更宽(使用更多内存)。注意，Unicode不是MBCS - 区别在于MBCS编码中的字符长度是不同的。Unicode字符串用二个零字节字符结尾(一个宽字符的零值编码)。

单字节字符集是拉丁字母，重音文字，用ASCII标准定义，用于DOS操作系统。双字节字符集用于东亚和中东语言。Unicode用于COM和Windows NT内部。

读者都很熟悉单字节字符集，它的数据类型是char。双字节字符集也使用char数据类型(双字节字符集中的许多古怪处之一)。Unicode字符集用wchar\_t数据类型。Unicode字符串用L前缀起头，如：

wchar\_t  wch = L'1';      // 2 个字节, 0x0031

wchar\_t\* wsz = L"Hello";  // 12 个字节, 6 个宽字符

## 字符串的存储 ##

单字节字符串顺序存放各个字符，并用零字节表示字符串结尾。例如，字符串"Bob"的存储格式为：

Unicode编码中，L"Bob"的存储格式为：

用0x0000 (Unicode的零编码)结束字符串。

DBCS 看上去有点象SBCS。以后我们会看到在串处理和指针使用上是有微妙差别的。字符串"日本语" (nihongo) 的存储格式如下(用LB和TB分别表示前导字节和跟随字节)：

注意，"ni"的值不是WORD值0xFA93。值93和FA顺序组合编码为字符"ni"。(在高位优先CPU中，存放顺序正如上所述)。

## 字符串处理函数 ##

C语言字符串处理函数，如strcpy(), sprintf(), atol()等只能用于单字节字符串。在标准库中有只用于Unicode字符串的函数，如wcscpy(), swprintf(), \_wtol()。

微软在C运行库(CRT)中加入了对DBCS字符串的支持。对应于strxxx()函数，DBCS使用\_mbsxxx()函数。在处理DBCS字符串(如日语，中文，或其它DBCS)时，就要用\_mbsxxx()函数。这些函数也能用于处理SBCS字符串(因为DBCS字符串可能就只含有单字节字符)。

现在用一个示例来说明字符串处理函数的不同。

如有Unicode字符串L"Bob"：

x86 CPU的排列顺序是低位优先(little-endian)的，值0x0042的存储顺序为42 00。这时如用strlen()函数求字符串的长度就发生问题。函数找到第一个字节42，然后是00，意味着字符串结尾，于是返回1。反之，用wcslen()函数求"Bob"的长度更糟糕。wcslen()首先找到0x6F42，然后是0x0062，以后就在内存缓冲内不断地寻找00 00直至发生一般性保护错(GPF)。

strxxx()及其对应的\_mbsxxx()究竟是如何运作的？二者之间的不同是非常重要的，直接影响到正确遍历DBCS字符串的方法。下面先介绍字符串遍历，然后再回来讨论strxxx()和 \_mbsxxx()。

## 字符串遍历 ##

我们中的大多数人都是从SBCS成长过来的，都习惯于用指针的 ++ 和 -- 操作符来遍历字符串，有时也使用数组来处理字符串中的字符。这二种方法对于SBCS 和 Unicode 字符串的操作都是正确无误的，因为二者的字符都是等长的，编译器能够的正确返回我们寻求的字符位置。

但对于DBCS字符串就不能这样了。用指针访问DBCS字符串有二个原则，打破这二个原则就会造成错误。

1. 不可使用 ++ 算子，除非每次都检查是否为前导字节。

2. 绝不可使用 -- 算子来向后遍历。

先说明原则2，因为很容易找到一个非人为的示例。假设，有一个配制文件，程序启动时要从安装路径读取该文件，如：C:\\Program Files\\MyCoolApp\\config.bin。文件本身是正常的。

假设用以下代码来配制文件名：

bool GetConfigFileName ( char\* pszName, size\_t nBuffSize )

char szConfigFilename\[MAX\_PATH\];

// 这里从注册表读取文件的安装路径，假设一切正常。

// 如果路径末尾没有反斜线，就加上反斜线。

// 首先，用指针指向结尾零：

char\* pLastChar = strchr ( szConfigFilename, '\\0' );

// 然后向后退一个字符：

pLastChar--;

if ( \*pLastChar != '\\\\' )

strcat ( szConfigFilename, "\\\\" );

// 加上文件名：

strcat ( szConfigFilename, "config.bin" );

// 如果字符串长度足够，返回文件名：

if ( strlen ( szConfigFilename ) >= nBuffSize )

return false;

else

strcpy ( pszName, szConfigFilename );

return true;

这段代码的保护性是很强的，但用到DBCS字符串还是会出错。假如文件的安装路径用日语表达：C:\\ヨウユソ，该字符串的内存表达为：

这时用上面的GetConfigFileName()函数来检查文件路径末尾是否含有反斜线就会出错，得到错误的文件名。  
  
错在哪里？注意上面的二个十六进制值0x5C(蓝色)。前面的0x5C是字符"\\"，后面则是字符值83 5C，代表字符"ソ"。可是函数把它误认为反斜线了。

正确的方法是用DBCS函数将指针指向恰当的字符位置，如下所示：

bool FixedGetConfigFileName (char\* pszName, size\_t nBuffSize )

charszConfigFilename\[MAX\_PATH\];

// 这里从注册表读取文件的安装路径，假设一切正常。

// 如果路径末尾没有反斜线，就加上反斜线。

// 首先，用指针指向结尾零：

char\* pLastChar = \_mbschr (szConfigFilename, '\\0' );

// 然后向后退一个双字节字符：

pLastChar =CharPrev ( szConfigFilename, pLastChar );

if (\*pLastChar != '\\\\' )

\_mbscat ( szConfigFilename, "\\\\" );

// 加上文件名：

\_mbscat (szConfigFilename, "config.bin" );

// 如果字符串长度足够，返回文件名：

if (\_mbslen ( szInstallDir ) >= nBuffSize )

return false;

else

\_mbscpy ( pszName, szConfigFilename );

return true;

这个改进的函数用CharPrev() API 函数将指针pLastChar向后移动一个字符。如果字符串末尾的字符是双字节字符，就向后移动2个字节。这时返回的结果是正确的，因为不会将字符误判为反斜线。

现在可以想像到第一原则了。例如，要遍历字符串寻找字符":"，如果不使用CharNext()函数而使用++算子，当跟随字节值恰好也是":"时就会出错。

与原则2相关的是数组下标的使用：

2a. 绝不可在字符串数组中使用递减下标。

出错原因与原则2相同。例如，设置指针pLastChar为：

char\* pLastChar =&szConfigFilename \[strlen(szConfigFilename) - 1\];

结果与原则2的出错一样。下标减1就是指针向后移动一个字节，不符原则2。

## 再谈strxxx() 与\_mbsxxx() ##

现在可以清楚为什么要用 \_mbsxxx() 函数了。strxxx() 函数不认识DBCS字符而 \_mbsxxx()认识。如果调用strrchr("C:\\\\",'\\\\')函数可能会出错，但 \_mbsrchr()认识双字节字符，所以能返回指向最后出现反斜线字符的指针位置。

最后提一下strxxx() 和 \_mbsxxx() 函数族中的字符串长度测量函数，它们都返回字符串的字节数。如果字符串含有3个双字节字符，\_mbslen()将返回6。而Unicode的函数返回的是wchar\_ts的数量，如wcslen(L"Bob") 返回3

## Win32 API中的MBCS 和 Unicode ##

API的二个字符集

Win32的API和消息中的字符串处理函数有二种，一种为MCBS字符串，另一种为Unicode字符串。例如，Win32中没有SetWindowText()这样的接口，而是用SetWindowTextA()和 SetWindowTextW()函数。后缀A (表示ANSI)指明是MBCS函数，后缀W(表示宽字符)指明是Unicode函数。

编写Windows程序时，可以选择用MBCS或Unicode API接口函数。用VC AppWizards向导时，如果不修改预处理器设置，缺省使用的是MBCS函数。但是在API接口中没有SetWindowText()函数，该如何调用呢？

实际上，在winuser.h头文件中做了以下定义：

BOOL WINAPI SetWindowTextA (HWND hWnd, LPCSTR lpString );

BOOL WINAPI SetWindowTextW (HWND hWnd, LPCWSTR lpString );

\#ifdef UNICODE

\#define SetWindowText SetWindowTextW

\#else

\#define SetWindowText SetWindowTextA

\#endif

编写MBCS应用时，不必定义UNICODE，预处理为：

\#define SetWindowText SetWindowTextA

然后将SetWindowText()处理为真正的API接口函数SetWindowTextA() (如果愿意的话，可以直接调用SetWindowTextA()或SetWindowTextW()函数，不过很少有此需要)。

如果要将缺省应用接口改为Unicode，就到预处理设置的预处理标记中去掉 \_MBCS标记，加入UNICODE 和 \_UNICODE (二个标记都要加入，不同的头文件使用不同的标记)。不过这时要处理普通字符串反而会遇到问题。如有代码：

HWND hwnd =GetSomeWindowHandle();

char szNewText\[\] = "welove Bob!";

SetWindowText ( hwnd,szNewText );

编译器将"SetWindowText"置换为"SetWindowTextW"后，代码变为：

HWND hwnd =GetSomeWindowHandle();

char szNewText\[\] = "welove Bob!";

SetWindowTextW ( hwnd,szNewText );

看出问题了吧，这里用一个Unicode字符串处理函数来处理单字节字符串。

### 解决方案一：使用宏定义： ###

HWND hwnd =GetSomeWindowHandle();

\#ifdef UNICODE

wchar\_t szNewText\[\] =L"we love Bob!";

\#else

char szNewText\[\] = "welove Bob!";

\#endif

SetWindowText ( hwnd,szNewText );

要对每一个字符串都宏定义显然是令人头痛的。所以用TCHAR来解决这个问题：

### 解决方案二：TCHAR ###

TCHAR 是一种字符类型，适用于MBCS 和 Unicode二种编码。程序中也不必到处使用宏定义。

TCHAR的宏定义如下：

\#ifdef UNICODE

typedef wchar\_t TCHAR;

\#else

typedef char TCHAR;

\#endif

TCHAR中在MBCS程序中是char类型，在Unicode中是 wchar\_t 类型。

对于Unicode字符串，还有个 \_T() 宏，用于解决 L 前缀：

\#ifdef UNICODE

\#define \_T(x) L\#\#x

\#else

\#define \_T(x) x

\#endif

\#\# 是预处理算子，将二个变量粘贴在一起。不管什么时候都对字符串用 \_T 宏处理，这样就可以在Unicode编码中给字符串加上L前缀，如：

TCHAR szNewText\[\] = \_T("we loveBob!");

SetWindowTextA/W 函数族中还有其它隐藏的宏可以用来代替strxxx() 和 \_mbsxxx() 字符串函数。例如，可以用 \_tcsrchr 宏取代strrchr()，\_mbsrchr()，或 wcsrchr()函数。\_tcsrchr 根据编码标记为\_MBCS 或 UNICODE，将右式函数做相应的扩展处理。宏定义方法类似于SetWindowText。

不止strxxx()函数族中有TCHAR宏定义，其它一些函数中也有。例如，\_stprintf (取代sprintf()和swprintf())，和 \_tfopen (取代fopen() 和 \_wfopen())。

MSDN的全部宏定义在"Generic-Text Routine Mappings"栏目下。

## String 和 TCHAR 类型定义 ##

Win32 API 文件中列出的函数名都是通用名(如"SetWindowText")，所有的字符串都按照TCHAR类型处理。(只有XP除外，XP只使用Unicode类型)。下面是MSDN给出的常用类型定义：

<table style="width:598px"> 
 <tbody> 
 <tr> 
 <td> 类型 </td> 
 <td> MBCS 编码中的意义 </td> 
 <td> Unicode 编码中的意义 </td> 
 </tr> 
 <tr> 
 <td> WCHAR </td> 
 <td> wchar_t </td> 
 <td> wchar_t </td> 
 </tr> 
 <tr> 
 <td> LPSTR </td> 
 <td> zero-terminated string of char (char*) </td> 
 <td> zero-terminated string of char (char*) </td> 
 </tr> 
 <tr> 
 <td> LPCSTR </td> 
 <td> constant zero-terminated string of char (const char*) </td> 
 <td> constant zero-terminated string of char (const char*) </td> 
 </tr> 
 <tr> 
 <td> LPWSTR </td> 
 <td> zero-terminated Unicode string (wchar_t*) </td> 
 <td> zero-terminated Unicode string (wchar_t*) </td> 
 </tr> 
 <tr> 
 <td> LPCWSTR </td> 
 <td> constant zero-terminated Unicode string (const&nbsp;wchar_t*) </td> 
 <td> constant zero-terminated Unicode string (const&nbsp;wchar_t*) </td> 
 </tr> 
 <tr> 
 <td> TCHAR </td> 
 <td> char </td> 
 <td> wchar_t </td> 
 </tr> 
 <tr> 
 <td> LPTSTR </td> 
 <td> zero-terminated string of&nbsp;TCHAR&nbsp;(TCHAR*) </td> 
 <td> zero-terminated string of&nbsp;TCHAR&nbsp;(TCHAR*) </td> 
 </tr> 
 <tr> 
 <td> LPCTSTR </td> 
 <td> constant zero-terminated string of&nbsp;TCHAR&nbsp;(const&nbsp;TCHAR*) </td> 
 <td> constant zero-terminated string of&nbsp;TCHAR&nbsp;(const&nbsp;TCHAR*) </td> 
 </tr> 
 </tbody> 
</table>

## 何时使用TCHAR 和Unicode ##

可能会有疑问：“为什么要用Unicode？我一直用的都是普通字符串。”

在三种情况下要用到Unicode：

1.  程序只运行于Windows NT。
2.  处理的字符串长于MAX\_PATH定义的字符数。
3.  程序用于Windows XP中的新接口，那里没有A/W版本之分。

大部分Unicode API不可用于Windows 9x。所以如果程序要在Windows 9x上运行的话，要强制使用MBCS API (微软推出一个可运行于Windows 9x的新库，叫做Microsoft Layer for Unicode。但我没有试用过，无法说明它的好坏)。相反，NT内部全部使用Unicode编码，使用Unicode API可以加速程序运行。每当将字符串处理为MBCS API时，操作系统都会将字符串转换为Unicode并调用相应的Unicode API 函数。对于返回的字符串，操作系统要做同样的转换。尽管这些转换经过了高度优化，模块尽可能地压缩到最小，但毕竟会影响到程序的运行速度。

NT允许使用超长文件名(长于MAX\_PATH 定义的260)，但只限于Unicode API使用。Unicode API的另外一个优点是程序能够自动处理输入的文字语言。用户可以混合输入英文，中文和日文作为文件名。不必使用其它代码来处理，都按照Unicode编码方式处理。

最后，作为Windows 9x的结局，微软似乎抛弃了MBCS API。例如，SetWindowTheme() 接口函数的二个参数只支持Unicode编码。使用Unicode编码省却了MBCS与Unicode之间的转换过程。

如果程序中还没有使用到Unicode编码，要坚持使用TCHAR和相应的宏。这样不但可以长期保持程序中DBCS编码的安全性，也利于将来扩展使用到Unicode编码。那时只要改变预处理中的设置即可！

# 各种字符串类 #

## 前言 ##

C语言的字符串容易出错，难以管理，并且往往是黑客到处寻找的目标。于是，出现了许多字符串包装类。可惜，人们并不很清楚什么情况下该用哪个类，也不清楚如何将C语言字符串转换到包装类。

本文涉及到Win32 API，MFC，STL，WTL和Visual C++运行库中使用到的所有的字符串类型。说明各个类的用法，如何构造对象，如何进行类转换等等。Nish为本文提供了Visual C++ 7的managed string 类的用法。

阅读本文之前，应完全理解本指南第一部分中阐述的字符类型和编码。

**字符串类的首要原则：**

不要随便使用类型强制转换，除非转换的类型是明确由文档规定的

常有人问到如何将X类型的字符串转换到Z类型。提问者使用了强制类型转换(cast)，但不知道为什么不能转换成功。各种各样的字符串类型，特别是BSTR，在任何场合都不是三言二语可以讲清的。因此，我以为这些提问者是想让强制类型转换来处理一切。

除非明确规定了转换算子，不要将任何其它类型数据强制转换为string。一个字符串不能用强制类型转换到string类。例如：

void SomeFunc ( LPCWSTRwidestr );

main()

SomeFunc( (LPCWSTR) "C:\\\\foo.txt" ); // 错！

这段代码100%错误。它可以通过编译，因为类型强制转换超越了编译器的类型检验。但是，能够通过编译，并不证明代码是正确的。

下面，我将指出什么时候用类型强制转换是合理的。

## C语言字符串与类型定义 ##

如指南的第一部分所述，Windows API定义了TCHAR术语。它可用于MBCS或Unicode编码字符，取决于预处理设置为\_MBCS 或 \_UNICODE标记。关于TCHAR的详细说明请阅指南的第一部分。为便于叙述，下面给出字符类型定义：

<table> 
 <tbody> 
 <tr> 
 <td> Type </td> 
 <td> Meaning </td> 
 </tr> 
 <tr> 
 <td> WCHAR </td> 
 <td> Unicode character (wchar_t) </td> 
 </tr> 
 <tr> 
 <td> TCHAR </td> 
 <td> MBCS or Unicode character, depending on preprocessor settings </td> 
 </tr> 
 <tr> 
 <td> LPSTR </td> 
 <td> string of char (char*) </td> 
 </tr> 
 <tr> 
 <td> LPCSTR </td> 
 <td> constant string of char (constchar*) </td> 
 </tr> 
 <tr> 
 <td> LPWSTR </td> 
 <td> string of&nbsp;WCHAR&nbsp;(WCHAR*) </td> 
 </tr> 
 <tr> 
 <td> LPCWSTR </td> 
 <td> constant string of&nbsp;WCHAR&nbsp;(const&nbsp;WCHAR*) </td> 
 </tr> 
 <tr> 
 <td> LPTSTR </td> 
 <td> string of&nbsp;TCHAR&nbsp;(TCHAR*) </td> 
 </tr> 
 <tr> 
 <td> LPCTSTR </td> 
 <td> constant string of&nbsp;TCHAR&nbsp;(const&nbsp;TCHAR*) </td> 
 </tr> 
 </tbody> 
</table>

另外还有一个字符类型OLECHAR。这是一种对象链接与嵌入的数据类型(比如嵌入Word文档)。这个类型通常定义为wchar\_t。如果将预处理设置定义为OLE2ANSI，OLECHAR将被定义为char类型。现在已经不再定义OLE2ANSI(它只在MFC 3以前版本中使用)，所以我将OLECHAR作为Unicode字符处理。

下面是与OLECHAR相关的类型定义：

<table> 
 <tbody> 
 <tr> 
 <td> Type </td> 
 <td> Meaning </td> 
 </tr> 
 <tr> 
 <td> OLECHAR </td> 
 <td> Unicode character (wchar_t) </td> 
 </tr> 
 <tr> 
 <td> LPOLESTR </td> 
 <td> string of&nbsp;OLECHAR&nbsp;(OLECHAR*) </td> 
 </tr> 
 <tr> 
 <td> LPCOLESTR </td> 
 <td> constant string of&nbsp;OLECHAR&nbsp;(const&nbsp;OLECHAR*) </td> 
 </tr> 
 </tbody> 
</table>

还有以下二个宏让相同的代码能够适用于MBCS和Unicode编码：

<table> 
 <tbody> 
 <tr> 
 <td> Type </td> 
 <td> Meaning </td> 
 </tr> 
 <tr> 
 <td> _T(x) </td> 
 <td> Prepends&nbsp;L&nbsp;to the literal in Unicode builds. </td> 
 </tr> 
 <tr> 
 <td> OLESTR(x) </td> 
 <td> Prepends&nbsp;L&nbsp;to the literal to make it an&nbsp;LPCOLESTR. </td> 
 </tr> 
 </tbody> 
</table>

宏\_T有几种形式，功能都相同。如： -- TEXT, \_TEXT, \_\_TEXT, 和 \_\_T这四种宏的功能相同。

## COM中的字符串 - BSTR 与 VARIANT ##

许多COM接口使用BSTR声明字符串。BSTR有一些缺陷，所以我在这里让它独立成章。

BSTR是Pascal类型字符串(字符串长度值显式地与数据存放在一起)和C类型字符串(字符串长度必须通过寻找到结尾零字符来计算)的混合型字符串。BSTR属于Unicode字符串，字符串中预置了字符串长度值，并且用一个零字符来结尾。

注意，字符串长度值是一个DWORD类型值，给出字符串的字节长度，但不包括结尾零。在上例，"Bob"含有3个Unicode字符(不计结尾零)，6个字节长。因为明确给出了字符串长度，所以当BSTR数据在不同的处理器和计算机之间传送时，COM库能够知道应该传送的数据量。

附带说一下，BSTR可以包含任何数据块，不单是字符。它甚至可以包容内嵌零字符数据。这些不在本文讨论范围。

C++中的BSTR变量其实就是指向字符串首字符的指针。BSTR是这样定义的：

typedef OLECHAR\* BSTR;

这个定义很糟糕，因为事实上BSTR与Unicode字符串不一样。有了这个类型定义，就越过了类型检查，可以混合使用LPOLESTR和BSTR。向一个需要LPCOLESTR (或 LPCWSTR)类型数据的函数传递BSTR数据是安全的，反之则不然。所以要清楚了解函数所需的字符串类型，并向函数传递正确类型的字符串。

要知道为什么向一个需要BSTR类型数据的函数传递LPCWSTR类型数据是不安全的，就别忘了BSTR必须在字符串开头的四个字节保留字符串长度值。但LPCWSTR字符串中没有这个值。当其它的处理过程(如Word)要寻找BSTR的长度值时就会找到一堆垃圾或堆栈中的其它数据或其它随机数据。这就导致方法失效，当长度值太大时将导致崩溃。

许多应用接口都使用BSTR，但都用到二个最重要的函数来构造和析构BSTR。就是SysAllocString()和SysFreeString()函数。SysAllocString()将Unicode字符串拷贝到BSTR，SysFreeString()释放BSTR。示例如下：

BSTR bstr = NULL;

bstr = SysAllocString (L"Hi Bob!" );

if ( NULL == bstr )

// 内存溢出

// 这里使用bstr

SysFreeString ( bstr );

当然，各种BSTR包装类都会小心地管理内存。

自动接口中的另一个数据类型是VARIANT。它用于在无类型语言，诸如JScript，VBScript，以及Visual Basic，之间传递数据。VARIANT可以包容许多不用类型的数据，如long和IDispatch\*。如果VARIANT包含一个字符串，这个字符串是BSTR类型。在下文的VARIANT包装类中还会谈及更多的VARIANT。

## 各种字符串类 ##

我已经说明了字符串的各种类型，现在讨论包装类。对于每个包装类，我都会说明它的对象构造过程和如何转换成C类型字符串指针。应用接口的调用，或构造另一个不同类型的字符串类，大多都要用到C类型指针。本文不涉及类的其它操作，如排序和比较等。

再强调一下，在完全了解转换结果之前不要随意使用强制类型转换。

CRT类

### \_bstr\_t ###

\_bstr\_t 是BSTR的完全包装类。实际上，它隐含了BSTR。它提供多种构造函数，能够处理隐含的C类型字符串。但它本身却不提供BSTR的处理机制，所以不能作为COM方法的输出参数\[out\]。如果要用到BSTR\* 类型数据，用ATL的CComBSTR类更为方便。

\_bstr\_t 数据可以传递给需要BSTR数据的函数，但必须满足以下三个条件：

首先，\_bstr\_t 具有能够转换为wchar\_t\*类型数据的函数。

其次，根据BSTR定义，使得wchar\_t\* 和BSTR对于编译器来说是相同的。

第三，\_bstr\_t内部保留的指向内存数据块的指针 wchar\_t\* 要遵循BSTR格式。

满足这些条件，即使没有相应的BSTR转换文档，\_bstr\_t 也能正常工作。示例如下：

// 构造

\_bstr\_t bs1 = "charstring";        // 从LPCSTR构造

\_bstr\_t bs2 = L"wide charstring"; // 从LPCWSTR构造

\_bstr\_t bs3 = bs1;              // 拷贝另一个 \_bstr\_t

\_variant\_t v ="Bob";

\_bstr\_t bs4 = v;              // 从一个含有字符串的 \_variant\_t 构造

// 数据萃取

LPCSTR psz1 = bs1;              // 自动转换到MBCS字符串

LPCSTR psz2 = (LPCSTR)bs1;     // cast OK, 同上

LPCWSTR pwsz1 = bs1;            // 返回内部的Unicode字符串

LPCWSTR pwsz2 = (LPCWSTR)bs1;  // cast OK, 同上

BSTR  bstr = bs1.copy();      // 拷贝bs1, 返回BSTR

// ... SysFreeString ( bstr );

注意，\_bstr\_t 也可以转换为char\* 和 wchar\_t\*。这是个设计问题。虽然char\* 和 wchar\_t\*不是常量指针，但不能用于修改字符串，因为可能打破内部BSTR结构。

### \_variant\_t  ###

\_variant\_t 是VARIANT的完全包装类。它提供多种构造函数和数据转换函数。本文仅讨论与字符串有关的操作。

// 构造

\_variant\_t v1 = "charstring"; // 从LPCSTR 构造

\_variant\_t v2 = L"widechar string"; // 从LPCWSTR 构造

\_bstr\_t bs1 = "Bob";

\_variant\_t v3 = bs1; // 拷贝一个 \_bstr\_t 对象

// 数据萃取

\_bstr\_t bs2 = v1; // 从VARIANT中提取BSTR

\_bstr\_t bs3 = (\_bstr\_t) v1; //cast OK, 同上

注意，\_variant\_t 方法在转换失败时会抛出异常，所以要准备用catch 捕捉\_com\_error异常。

另外要注意 \_variant\_t 不能直接转换成MBCS字符串。要建立一个过渡的\_bstr\_t 变量，用其它提供转换Unicode到MBCS的类函数，或ATL转换宏来转换。

与\_bstr\_t 不同，\_variant\_t 数据可以作为参数直接传送给COM方法。\_variant\_t 继承了VARIANT类型，所以在需要使用VARIANT的地方使用\_variant\_t 是C++语言规则允许的。

### STL类 ###

#### basic\_string ####

STL只有一个字符串类，即basic\_string。basic\_string管理一个零结尾的字符数组。字符类型由模板参数决定。通常，basic\_string被处理为不透明对象。可以获得一个只读指针来访问缓冲区，但写操作都是由basic\_string的成员函数进行。

basic\_string预定义了二个特例：string，含有char类型字符；which，含有wchar\_t类型字符。没有内建的TCHAR特例，可用下面的代码实现：

// 特例化

typedef basic\_string tstring;// TCHAR字符串

// 构造

string str = "charstring"; // 从LPCSTR构造

wstring wstr = L"widechar string"; // 从LPCWSTR构造

tstring tstr = \_T("TCHARstring"); // 从LPCTSTR构造

// 数据萃取

LPCSTR psz = str.c\_str(); // 指向str缓冲区的只读指针

LPCWSTR pwsz = wstr.c\_str();// 指向wstr缓冲区的只读指针

LPCTSTR ptsz = tstr.c\_str();// 指向tstr缓冲区的只读指针

与\_bstr\_t 不同，basic\_string不能在字符集之间进行转换。但是如果一个构造函数接受相应的字符类型，可以将由c\_str()返回的指针传递给这个构造函数。例如：

// 从basic\_string构造\_bstr\_t

\_bstr\_t bs1 = str.c\_str();  // 从LPCSTR构造 \_bstr\_t

\_bstr\_t bs2 = wstr.c\_str(); //从LPCWSTR构造 \_bstr\_t

### ATL类 ###

#### CComBSTR ####

CComBSTR 是ATL的BSTR包装类。某些情况下比\_bstr\_t 更有用。最主要的是，CComBSTR允许操作隐含BSTR。就是说，传递一个CComBSTR对象给COM方法时，CComBSTR对象会自动管理BSTR内存。例如，要调用下面的接口函数：

// 简单接口

struct IStuff : publicIUnknown

// 略去COM程序...

STDMETHOD(SetText)(BSTRbsText);

STDMETHOD(GetText)(BSTR\*pbsText);

\};

CComBSTR 有一个BSTR操作方法，能将BSTR直接传递给SetText()。还有一个引用操作(operator &)方法，返回BSTR\*，将BSTR\*传递给需要它的有关函数。

CComBSTR bs1;

CComBSTR bs2 = "newtext";

pStuff->GetText ( &bs1);       // ok, 取得内部BSTR地址

pStuff->SetText ( bs2 );        // ok, 调用BSTR转换

pStuff->SetText ( (BSTR) bs2 ); // castok, 同上

CComBSTR有类似于 \_bstr\_t 的构造函数。但没有内建MBCS字符串的转换函数。可以调用ATL宏进行转换。

// 构造

CComBSTR bs1 = "charstring"; // 从LPCSTR构造

CComBSTR bs2 = L"widechar string"; // 从LPCWSTR构造

CComBSTR bs3 = bs1; // 拷贝CComBSTR

CComBSTR bs4;

bs4.LoadString ( IDS\_SOME\_STR); // 从字符串表加载

// 数据萃取

BSTR bstr1 = bs1; // 返回内部BSTR，但不可修改！

BSTR bstr2 = (BSTR) bs1; //cast ok, 同上

BSTR bstr3 = bs1.Copy(); // 拷贝bs1, 返回BSTR

BSTR bstr4;

bstr4 = bs1.Detach(); // bs1不再管理它的BSTR

// ...

SysFreeString ( bstr3 );

SysFreeString ( bstr4 );

上面的最后一个示例用到了Detach()方法。该方法调用后，CComBSTR对象就不再管理它的BSTR或其相应内存。所以bstr4就必须调用SysFreeString()。

最后讨论一下引用操作符(operator &)。它的超越使得有些STL集合(如list)不能直接使用CComBSTR。在集合上使用引用操作返回指向包容类的指针。但是在CComBSTR上使用引用操作，返回的是BSTR\*，不是CComBSTR\*。不过可以用ATL的CAdapt类来解决这个问题。例如，要建立一个CComBSTR的队列，可以声明为：

std::list<CAdapt> bstr\_list;

CAdapt 提供集合所需的操作，是隐含于代码的。这时使用bstr\_list 就象在操作一个CComBSTR队列。

#### CComVariant ####

CComVariant 是VARIANT的包装类。但与 \_variant\_t 不同，它的VARIANT不是隐含的，可以直接操作类里的VARIANT成员。CComVariant 提供多种构造函数和多类型操作。这里只介绍与字符串有关的操作。

// 构造

CComVariant v1 = "charstring";       // 从LPCSTR构造

CComVariant v2 = L"widechar string"; // 从LPCWSTR构造

CComBSTR bs1 = "BSTRbob";

CComVariant v3 = (BSTR) bs1;          // 从BSTR拷贝

// 数据萃取

CComBSTR bs2 =v1.bstrVal;            // 从VARIANT提取BSTR

跟\_variant\_t 不同，CComVariant没有不同VARIANT类型之间的转换操作。必须直接操作VARIANT成员，并确定该VARIANT的类型无误。调用ChangeType()方法可将CComVariant数据转换为BSTR。

CComVariant v4 = ... // 从某种类型初始化 v4

CComBSTR bs3;

if ( SUCCEEDED( v4.ChangeType( VT\_BSTR ) ))

bs3 = v4.bstrVal;

跟 \_variant\_t 一样，CComVariant不能直接转换为MBCS字符串。要建立一个过渡的\_bstr\_t 变量，用其它提供转换Unicode到MBCS的类函数，或ATL转换宏来转换。

### ATL转换宏 ###

ATL的字符串转换宏可以方便地转换不同编码的字符，用在函数中很有效。宏按照\[source type\]2\[new type\] 或 \[source type\]2C\[new type\]格式命名。后者转换为一个常量指针 (名字内含"C")。类型缩写如下：

A：MBCS字符串，char\* (A for ANSI)   
　W：Unicode字符串，wchar\_t\* (W for wide)   
　T：TCHAR字符串，TCHAR\*   
　OLE：OLECHAR字符串，OLECHAR\* (实际等于W)   
　BSTR：BSTR (只用于目的类型)

例如，W2A() 将Unicode字符串转换为MBCS字符串，T2CW()将TCHAR字符串转换为Unicode字符串常量。

要使用宏转换，程序中要包含atlconv.h头文件。可以在非ATL程序中使用宏转换，因为头文件不依赖其它的ATL，也不需要 \_Module全局变量。如在函数中使用转换宏，在函数起始处先写上USES\_CONVERSION宏。它表明某些局部变量由宏控制使用。

转换得到的结果字符串，只要不是BSTR，都存储在堆栈中。如果要在函数外使用这些字符串，就要将这些字符串拷贝到其它的字符串类。如果结果是BSTR，内存不会自动释放，因此必须将返回值分配给一个BSTR变量或BSTR的包装类，以避免内存泄露。

下面是若干宏转换示例：

// 带有字符串的函数：

void Foo ( LPCWSTR wstr );

void Bar ( BSTR bstr );

// 返回字符串的函数：

void Baz ( BSTR\* pbstr );

\#include

main()

using std::string;

USES\_CONVERSION;    // 声明局部变量由宏控制使用

// 示例1：送一个MBCS字符串到Foo()

LPCSTR psz1 = "Bob";

string str1 = "Bob";

Foo ( A2CW(psz1) );

Foo ( A2CW(str1.c\_str()) );

// 示例2：将MBCS字符串和Unicode字符串送到Bar()

LPCSTR psz2 = "Bob";

LPCWSTR wsz =L"Bob";

BSTR bs1;

CComBSTR bs2;

bs1 = A2BSTR(psz2);         // 创建 BSTR

bs2.Attach ( W2BSTR(wsz) ); // 同上，分配到CComBSTR

Bar ( bs1 );

Bar ( bs2 );

SysFreeString ( bs1 );      // 释放bs1

// 不必释放bs2，由CComBSTR释放。

// 示例3：转换由Baz()返回的BSTR

BSTR bs3 = NULL;

string str2;

Baz ( &bs3 );          // Baz() 填充bs3内容

str2 = W2CA(bs3);      // 转换为MBCS字符串

SysFreeString ( bs3 ); // 释放bs3

可以看到，向一个需要某种类型参数的函数传递另一种类型的参数，用宏转换是非常方便的。

### MFC类  ###

#### CString ####

MFC的CString含有TCHAR，它的实际字符类型取决于预处理标记的设置。通常，CString象STL字符串一样是不透明对象，只能用CString的方法来修改。CString比STL字符串更优越的是它的构造函数接受MBCS和Unicode字符串。并且可以转换为LPCTSTR，因此可以向接受LPCTSTR的函数直接传递CString对象，不必调用c\_str()方法。

// 构造

CString s1 = "charstring"; // 从LPCSTR构造

CString s2 = L"wide charstring"; // 从LPCWSTR构造

CString s3 ( ' ', 100 ); // 预分配100字节，填充空格

CString s4 = "New windowtext";

// 可以在LPCTSTR处使用CString：

SetWindowText (hwndSomeWindow, s4 );

// 或者，显式地做强制类型转换：

SetWindowText (hwndSomeWindow, (LPCTSTR) s4 );

也可以从字符串表加载字符串。CString通过LoadString()来构造对象。用Format()方法可有选择地从字符串表读取一定格式的字符串。

// 从字符串表构造/加载

CString s5 ( (LPCTSTR)IDS\_SOME\_STR );  // 从字符串表加载

CString s6, s7;

// 从字符串表加载

s6.LoadString ( IDS\_SOME\_STR );

// 从字符串表加载打印格式的字符串

s7.Format ( IDS\_SOME\_FORMAT, "bob",nSomeStuff, ... );

第一个构造函数看上去有点怪，但它的确是文档标定的字符串加载方式。

注意，CString只允许一种强制类型转换，即强制转换为LPCTSTR。强制转换为LPTSTR (非常量指针)是错误的。按照老习惯，将CString强制转换为LPTSTR只能伤害自己。有时在程序中没有发现出错，那只是碰巧。转换到非常量指针的正确方法是调用GetBuffer()方法。

下面以往队列加入元素为例说明如何正确地使用CString：

CString str = \_T("newtext");

LVITEM item = \{0\};

item.mask = LVIF\_TEXT;

item.iItem = 1;

item.pszText = (LPTSTR)(LPCTSTR) str; // 错！

item.pszText = str.GetBuffer(0);      // 正确

ListView\_SetItem ( &item);

str.ReleaseBuffer();  // 将队列返回给str

pszText成员是LPTSTR，一个非常量指针，因此要用str的GetBuffer()。GetBuffer()的参数是CString分配的最小缓冲区。如果要分配一个1K的TCHAR，调用GetBuffer(1024)。参数为0，只返回指向字符串的指针。

上面示例的出错语句可以通过编译，甚至可以正常工作，如果恰好就是这个类型。但这不证明语法正确。进行非常量的强制类型转换，打破了面向对象的封装原则，并逾越了CString的内部操作。如果你习惯进行这样的强制类型转换，终会遇到出错，可你未必知道错在何处，因为你到处都在做这样的转换，而代码也都能运行。

CString还有二个函数能够从CString中得到BSTR，并在必要时转换成Unicode。那就是AllocSysString()和SetSysString()。除了SetSysString()使用BSTR\*参数外，二者一样。

// 转换成BSTR

CString s5 = "Bob!";

BSTR bs1 = NULL, bs2 = NULL;

bs1 = s5.AllocSysString();

s5.SetSysString ( &bs2 );

// ...

SysFreeString ( bs1 );

SysFreeString ( bs2 );

COleVariant 与CComVariant 非常相似。COleVariant 继承于VARIANT，可以传递给需要VARIANT的函数。但又与CComVariant 不同，COleVariant 只有一个LPCTSTR的构造函数，不提供单独的LPCSTR和LPCWSTR的构造函数。在大多情况下，没有问题，因为总是愿意把字符串处理为LPCTSTR。但你必须知道这点。COleVariant 也有接受CString的构造函数。

// 构造

CString s1 = \_T("tcharstring");

COleVariant v1 =\_T("Bob"); // 从LPCTSTR构造

COleVariant v2 = s1; // 从CString拷贝

对于CComVariant，必须直接处理VARIANT成员，用ChangeType()方法在必要时将其转换为字符串。但是，COleVariant::ChangeType() 在转换失败时会抛出异常，而不是返回HRESULT的出错码。

// 数据萃取

COleVariant v3 = ...; // 从某种类型构造v3

BSTR bs = NULL;

try

v3.ChangeType ( VT\_BSTR );

bs = v3.bstrVal;

catch ( COleException\* e )

// 出错，无法转换

SysFreeString ( bs );

** **

### WTL类 ###

**CString**

WTL的CString与MFC的CString的行为完全相同，参阅上面关于MFC CString的说明即可。

### CLR 及 VC 7 类 ###

System::String 是.NET的字符串类。在其内部，String对象是一个不变的字符序列。任何操作String对象的String方法都返回一个新的String对象，因为原有的String对象要保持不变。String类有一个特性，当多个String都指向同一组字符集时，它们其实是指向同一个对象。Managed Extensions C++ 的字符串有一个新的前缀S，用来表明是一个managed string字符串。

// 构造

String\* ms = S"This is anice managed string";

可以用unmanaged string字符串来构造String对象，但不如用managed string构造String对象有效。原因是所有相同的具有S前缀的字符串都指向同一个对象，而unmanaged string没有这个特点。下面的例子可以说明得更清楚些：

String\* ms1 = S"this isnice";

String\* ms2 = S"this isnice";

String\* ms3 = L"this isnice";

Console::WriteLine ( ms1 ==ms2 ); // 输出true

Console::WriteLine ( ms1 ==ms3);  // 输出false

要与没有S前缀的字符串做比较，用String::CompareTo()方法来实现，如：

Console::WriteLine ( ms1->CompareTo(ms2));

Console::WriteLine ( ms1->CompareTo(ms3));

二者都输出0，说明字符串相等。

在String和MFC 7的CString之间转换很容易。CString可以转换为LPCTSTR，String有接受char\* 和 wchar\_t\* 的二种构造函数。因此可以直接把CString传递给String的构造函数：

CString s1 ( "hello world" );

String\* s2 ( s1 );  // 从CString拷贝

反向转换的方法也类似：

String\* s1 = S"Three cats";

CString s2 ( s1 );

可能有点迷惑。从VS.NET开始，CString有一个接受String对象的构造函数，所以是正确的。

CStringT (System::String\* pString );

为了加速操作，有时可以用基础字符串(underlying string)：

String\* s1 = S"Threecats";

Console::WriteLine ( s1 );

const \_\_wchar\_t \_\_pin\* pstr =PtrToStringChars(s1);

for ( int i = 0; i <wcslen(pstr); i++ )

(\*const\_cast<\_\_wchar\_t\*>(pstr+i))++;

Console::WriteLine ( s1 );

PtrToStringChars() 返回指向基础字符串的 const \_\_wchar\_t\* 指针，可以防止在操作字符串时，垃圾收集器去除该字符串。

### 总结 ###

(1)   字符串类的打印格式函数

对字符串包装类使用printf()或其它类似功能的函数时要特别小心。包括sprintf()函数及其变种，以及TRACE 和ATLTRACE 宏。它们的参数都不做类型检验，一定要给它们传递C语言字符串，而不是整个string对象。

例如，要向ATLTRACE()传递一个\_bstr\_t 里的字符串，必须显式用(LPCSTR)或 (LPCWSTR)进行强制类型转换：

\_bstr\_t bs = L"Bob!";

ATLTRACE("The string is:%s in line %d\\n", (LPCSTR) bs, nLine);

如果忘了用强制类型转换，直接把整个 \_bstr\_t 对象传递给ATLTRACE，跟踪消息将输出无意义的东西，因为\_bstr\_t 变量内的所有数据都进栈了。

(2)   所有类的总结

常用的字符串类之间的转换方法是：将源字符串转换为C类型字符串指针，然后将该指针传递给目标类的构造函数。下面列出将字符串转换为C类型指针的方法，以及哪些类的构造函数接受C类型指针。

<table style="width:131%"> 
 <tbody> 
 <tr> 
 <td> Class </td> 
 <td> Type </td> 
 <td> To char* </td> 
 <td> To const char*? </td> 
 <td> To wchar_t*? </td> 
 <td> To const wchar_t*? </td> 
 <td> To BSTR? </td> 
 <td> from char*? </td> 
 <td> from wchar_t*? </td> 
 </tr> 
 <tr> 
 <td> _bstr_t </td> 
 <td> BSTR </td> 
 <td> yes, cast1 </td> 
 <td> yes, cast </td> 
 <td> yes, cast1 </td> 
 <td> yes, cast </td> 
 <td> yes2 </td> 
 <td> yes </td> 
 <td> yes </td> 
 </tr> 
 <tr> 
 <td> _variant_t </td> 
 <td> BSTR </td> 
 <td> no </td> 
 <td> no </td> 
 <td> no </td> 
 <td> cast to _bstr_t3 </td> 
 <td> cast to _bstr_t3 </td> 
 <td> yes </td> 
 <td> yes </td> 
 </tr> 
 <tr> 
 <td> string </td> 
 <td> MBCS </td> 
 <td> no </td> 
 <td> yes,&nbsp;c_str() method </td> 
 <td> no </td> 
 <td> no </td> 
 <td> no </td> 
 <td> yes </td> 
 <td> no </td> 
 </tr> 
 <tr> 
 <td> wstring </td> 
 <td> Unicode </td> 
 <td> no </td> 
 <td> no </td> 
 <td> no </td> 
 <td> yes,&nbsp;c_str() method </td> 
 <td> no </td> 
 <td> no </td> 
 <td> yes </td> 
 </tr> 
 <tr> 
 <td> CComBSTR </td> 
 <td> BSTR </td> 
 <td> no </td> 
 <td> no </td> 
 <td> no </td> 
 <td> yes, cast to&nbsp;BSTR </td> 
 <td> yes, cast </td> 
 <td> yes </td> 
 <td> yes </td> 
 </tr> 
 <tr> 
 <td> CComVariant </td> 
 <td> BSTR </td> 
 <td> no </td> 
 <td> no </td> 
 <td> no </td> 
 <td> yes4 </td> 
 <td> yes4 </td> 
 <td> yes </td> 
 <td> yes </td> 
 </tr> 
 <tr> 
 <td> CString </td> 
 <td> TCHAR </td> 
 <td> no6 </td> 
 <td> in MBCS builds, cast </td> 
 <td> no6 </td> 
 <td> in Unicode builds, cast </td> 
 <td> no5 </td> 
 <td> yes </td> 
 <td> yes </td> 
 </tr> 
 <tr> 
 <td> COleVariant </td> 
 <td> BSTR </td> 
 <td> no </td> 
 <td> no </td> 
 <td> no </td> 
 <td> yes4 </td> 
 <td> yes4 </td> 
 <td> in MBCS builds </td> 
 <td> in Unicode builds </td> 
 </tr> 
 </tbody> 
</table>

**附注：**

1.  虽然 \_bstr\_t 可以转换为非常量指针，但对内部缓冲区的修改可能导致内存溢出，或在释放BSTR时导致内存泄露。
2.  bstr\_t 的BSTR内含 wchar\_t\* 变量，所以可将const wchar\_t\* 转换到BSTR。但这个用法将来可能会改变，使用时要小心。
3.  如果转换到BSTR失败，将抛出异常。
4.  用ChangeType()处理VARIANT的bstrVal。在MFC，转换失败将抛出异常。
5.  虽然没有BSTR的转换函数，但AllocSysString()可返回一个新的BSTR。
6.  用GetBuffer()方法可临时得到一个非常量TCHAR指针。

[Link 1]: http://www.cnblogs.com/answeryi/archive/2012/12/27/2836405.html