C++字符串完全指南(2) - 各种字符串类（一）

一时失言乱红尘 2022-09-17 06:19 187阅读 0赞

**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。

之所以撰写字符串指南这二篇文章，是因为常有人问到如何将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 ( LPCWSTR widestr );
    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> <code>WCHAR</code> </td> 
 <td> Unicode character (<code>wchar_t</code>) </td> 
 </tr> 
 <tr> 
 <td> <code>TCHAR</code> </td> 
 <td> MBCS or Unicode character, depending on preprocessor settings </td> 
 </tr> 
 <tr> 
 <td> <code>LPSTR</code> </td> 
 <td> string of char (char<code>*</code>) </td> 
 </tr> 
 <tr> 
 <td> <code>LPCSTR</code> </td> 
 <td> constant string of char (constchar<code>*</code>) </td> 
 </tr> 
 <tr> 
 <td> <code>LPWSTR</code> </td> 
 <td> string of <code>WCHAR</code> (<code>WCHAR*</code>) </td> 
 </tr> 
 <tr> 
 <td> <code>LPCWSTR</code> </td> 
 <td> constant string of <code>WCHAR</code> (const<code> WCHAR*</code>) </td> 
 </tr> 
 <tr> 
 <td> <code>LPTSTR</code> </td> 
 <td> string of <code>TCHAR</code> (<code>TCHAR*</code>) </td> 
 </tr> 
 <tr> 
 <td> <code>LPCTSTR</code> </td> 
 <td> constant string of <code>TCHAR</code> (const<code> TCHAR*</code>) </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> <code>OLECHAR</code> </td> 
 <td> Unicode character (<code>wchar_t</code>) </td> 
 </tr> 
 <tr> 
 <td> <code>LPOLESTR</code> </td> 
 <td> string of <code>OLECHAR</code> (<code>OLECHAR*</code>) </td> 
 </tr> 
 <tr> 
 <td> <code>LPCOLESTR</code> </td> 
 <td> constant string of <code>OLECHAR</code> (const<code> OLECHAR*</code>) </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> <code>_T(x)</code> </td> 
 <td> Prepends <code>L</code> to the literal in Unicode builds. </td> 
 </tr> 
 <tr> 
 <td> <code>OLESTR(x)</code> </td> 
 <td> Prepends <code>L</code> to the literal to make it an <code>LPCOLESTR</code>. </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。下面是一个"Bob"的BSTR字符串：

![snap001.gif][]

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包装类中我还会谈及更多的VARIANT。

[snap001.gif]: http://www.zdnet.com.cn/i/developer/story/200211/39098621/snap001.gif