C,C++ 的字符串和操作.

C,C++ 的字符串和操作.

1. 字符基础: ASCII, MBCS/DBCS, Unicode

有3种编码模式，并对应3种字符类型。
(1)单字节字符集（single-byte character set (SBCS)).
-在这种编码模式下，所有的字符都只用一个字节(Byte)标示。
-ASCII是SBCS,用一个字节标示为'\0'的来标识SBCS字符串的结束
-单字节字符包含拉丁文字母表，accented characters及ASCII标准和DOS操作系统定义的图形字符。
例如"Hi!"是如下存放的. (1Byte存放数值范围: 00 ~ FF (16进制))
┌─────────────────────────────────┐
Size 1Byte 1Byte 1Byte 1Byte
Memory Content(Hex) 48 69 21 00
Charactor H i !
└─────────────────────────────────┘

(2)多字节字符集(multi-bye character set (MBCS)).
-在Windows中MBCS包含两种字符类型,单字节字符和双字节字符.由于windows使用的多字节字符绝大部分是两个字节长，所以MBCS常被DBCS代替.
-在DBCS编码模式中，一些特定的值被保留用来表明他们是双字节字符的一部分。
例如，在Shift-JIS编码中（一个常用的日文编码模式），0x81-0x9f之间和 0xe0-oxfc之间的值表示"这是一个双字节字符，下一个子节是这个字符的一部分。"这样的值被称作"leading bytes",他们都大于0x7f。跟随在一个

leading byte子节后面的字节被称作"trail byte"。在DBCS中，trail byte可以是任意非0值。像SBCS一样，DBCS字符串的结束标志也是一个单字节表示的0。
-双字节字符被用来表示东亚及中东的语言。
┌─────────────────────────────────┐
Size 2Byte 2Byte 2Byte 2Byte
Memory Content(Hex) C4 E3 BA C3 A3 A1
Charactor 你 好 ！
└─────────────────────────────────┘

(3)Unicode。
-Unicode是一种所有的字符都使用两个字节编码的编码模式。Unicode字符有时也被称作宽字符，因为它比单子节字符宽（使用了更多的存储空间）。
-注意，Unicode不能被看作MBCS。MBCS的独特之处在于它的字符使用不同长度的字节编码。Unicode字符串使用两个字节表示的0作为它的结束标志。
-Unicode被用在COM及Windows NT操作系统内部。
┌───────────────────────────────────────┐
Size 2Byte 2Byte 2Byte 2Byte 2Byte
Memory Content(Hex) FF FE 48 00 69 00 21 00 00 00
Charactor H i !
└───────────────────────────────────────┘
FF FE 标示 Unicode 采用的是小头方式. (little endian, 第二个(低位)字节在前)
如果是FE FF 则表示为大头方式. ( big endian unicode ) H 的存储为 00 48;
　
当使用char时，处理的是单字节字符。双字节字符也用char类型来进行操作（这是我们将会看到的关于双子节字符的很多奇怪的地方之一）。Unicode字符用wchar_t来表示。Unicode字符和字符串常量用前缀L来表示。

例如：

wchar_t wch = L'1'; // 2 bytes, 0x0031
wchar_t *wsz = L"Hello"; // 12 bytes, 6 wide characters

2. C语言中, 没有字符串的数据类型，使用一个以NULL('\0')字符结尾的字符数组来保存字符串。

声明:

char a[100];
//或 char *p=(char *)malloc(100*sizeof(char));
操作:

//字符串初始化:
char a[100]="Hello World!";
char *p="Hello World!";

//赋值: (在定义时可以用"="进行初始化，但是以后不能用"="对C字符串进行赋值.)
strcpy(a,"Ni Hao!");

//获取字符串长度.(不包括 ‘\0’)
strlen(a);
printf("%s",a);

3. 标准 C++ 的字符串数据类型是 string 类. (需要包含头文件<string> 或 <string.h>)

声明:

CString str;

在操作字符串 CString类之前，先了解Windows字符的类型.
┌──────────────────────────────┐
类型 MBCS 中含义 Unicode 中含义
TCHAR char wchar_t
WCHAR wchar_t wchar_t
LPSTR char* char*
LPCSTR const char* const char*
LPWSTR wchar_t* wchar_t*
LPCWSTR const wchar_t* const wchar_t*
LPTSTR TCHAR* TCHAR*
LPCTSTR const TCHAR* const TCHAR*
char 标准c的字符类型(1Byte)
wchar_t 保存UNICODE字符集的类型(2Byte)
└──────────────────────────────┘

TCHAR的定义如下:

#ifdef UNICODE
typedef wchar_t TCHAR;
#else
typedef char TCHAR;
#endif

再了解一个宏_T(),使用宏_T(),使代码有了unicode的意识。

#ifdef UNICODE
#define _T(x) L##x
#else
#define _T(x) x
#endif

##是一个预处理操作符，它可以把两个参数连在一起.

TCHAR str[] = _T("I love c++.");

操作:

//初始化.
//法1)直接初始化:
CString str="Hello World!";

//法2)通过构造函数初始化化:
CString str("aaaaaaaaaa");
CString str('a',10); //长度为10的“aaaaaaaaaa"字符串.

//法3)通过加载字符串资源：
CString str;
str.LoadString(IDS_STR);

//法4)使用CString类的成员函数Format进行初始化:
CString str;
int total=100;
str.Format(_T("The total is %d"), total);

//转化: char* -> CString
char *p1="This is a string in 8-bit only.";
TCHAR *p2=_T("This is a string with unicode-aware.");
LPTSTR p=_T("This is a string with unicode-aware."); //等价于上句.
CString s1=p1;
CString s2(p2);
CString s3(p3);

//转化: CString -> char*
//法1)使用LPCTSTR 操作符.
CString s("Hello World!");
LPCTSTR p=s; //LPCTSTR 操作符（或者更明确地说就是const TCHAR * 操作符）在 CString 类中被重载了，该操作符的定义是返回缓冲区的地址(指向 CString 的 字符串指针).

//法2)使用 CString 对象的 GetBuffer 方法
CString s(_T("Hello World!");
LPTSTR p=s.GetBuffer();
//s.ReleaseBuffer();
//delete p;

//法3)使用控件
CString str;
CListBox *pLB = (CListBox*)GetDlgItem(YOUR_LISTBOX_ID); // 获取你的ListBox对象指针，
//YOUR_LISTBOX_ID为其资源标识
pLB->GetText(pLB->GetCurSel(), str); // 获取当前选项字符串并存储于str中