您的位置: 首页  >  IT文章  >  wchar_t获取长度的有关问题

wchar_t获取长度的有关问题

分类: IT文章 • 2024-12-09 15:12:54
wchar_t获取长度的问题
在vs2010 unicode 模式下 想获取一个wchar_t字符串占用几个字节
比如英文、数字、一些符号如：半角逗号等  占一个 字节。汉字 还有符号像全角逗号占等 2个字节

代码如下
方法一：直接获取长度
			wchar_t *myChar;

			myChar=L"2ss你好";

			int lenChar=wcslen(myChar);


方法二：转换char在获取长度
			char szEdit[20] = {0};

			char *p = NULL;

			USES_CONVERSION;

			p = W2A(myChar);

			strcpy(szEdit,p);

			int nLen = strlen(szEdit);


两种方式获取字符串长度都是5，而不是7.请问要怎么获取字节长度呢

------解决思路----------------------
windows下wchar_t是使用UTF-16(UCS2)编码, 占2字节.
一般一个Unicode字符占用两字节(包括英文), 少数(编码大于0xFFFF)占用4字节.
获取字节占用长度 = sizeof(wchar_t) * (wcslen(str) + 1), 加不加1看情况.

"2ss你好"在UTF-16下占用14字节(包括null结尾字符),
"2ss你好"在UTF-8下占用10字节(包括null结尾字符),
"2ss你好"在GBK下占用8字节(包括null结尾字符),

------解决思路----------------------
#include<iostream>

using namespace std;

int main()

{

    cout<<"Narrow multibyte string:"<<sizeof "2ss你好"<<endl;

    cout<<"Wide string:"<<sizeof L"2ss你好"<<endl;

    cout<<"UTF-8 encoded string:"<<sizeof u8"2ss你好"<<endl;

    cout<<"UTF-16 encoded string:"<<sizeof u"2ss你好"<<endl;

    cout<<"UTF-32 encoded string:"<<sizeof U"2ss你好"<<endl;

    return 0;

}

输出：
Narrow multibyte string:8

Wide string:12

UTF-8 encoded string:10

UTF-16 encoded string:12

UTF-32 encoded string:24

------解决思路----------------------
#include <AtlBase.h>

#include <iostream>


int main ()

{

  wchar_t *myChar;

myChar=L"2ss你好";		


			USES_CONVERSION;



			std::cout <<  strlen(W2A(myChar)) << std::endl; //7

}

------解决思路----------------------
wchar_t获取长度的有关问题理解和讨论之前请先学会如何观察！

计算机组成原理→DOS命令→汇编语言→C语言（不包括C++）、代码书写规范→数据结构、编译原理、操作系统→计算机网络、数据库原理、正则表达式→其它语言（包括C++）、架构……

对学习编程者的忠告：
wchar_t获取长度的有关问题多用小脑和手，少用大脑、眼睛和嘴，会更快地学会编程！
眼过千遍不如手过一遍！
书看千行不如手敲一行！
手敲千行不如单步一行！
单步源代码千行不如单步Debug版对应汇编一行！
单步Debug版对应汇编千行不如单步Release版对应汇编一行！

VC调试时按Alt+8、Alt+7、Alt+6和Alt+5,打开汇编窗口、堆栈窗口、内存窗口和寄存器窗口看每句C对应的汇编、单步执行并观察相应堆栈、内存和寄存器变化，这样过一遍不就啥都明白了吗。
对VC来说，所谓‘调试时’就是编译连接通过以后，按F10或F11键单步执行一步以后的时候，或者在某行按F9设了断点后按F5执行停在该断点处的时候。
（Turbo C或Borland C用Turbo Debugger调试,Linux或Unix下用GDB调试时,看每句C对应的汇编并单步执行观察相应内存和寄存器变化。）

仅供参考：
#pragma comment(lib,"user32")

#pragma comment(lib,"gdi32")

#include <conio.h>

#include <stdio.h>

#include <stdlib.h>

#include <windows.h>

extern "C" HWND WINAPI GetConsoleWindow();

void HideTheCursor() {

    CONSOLE_CURSOR_INFO cciCursor;

    HANDLE hStdOut = GetStdHandle(STD_OUTPUT_HANDLE);


    if(GetConsoleCursorInfo(hStdOut, &cciCursor)) {

        cciCursor.bVisible = FALSE;

        SetConsoleCursorInfo(hStdOut, &cciCursor);

    }

}

void ShowTheCursor() {

    CONSOLE_CURSOR_INFO cciCursor;

    HANDLE hStdOut = GetStdHandle(STD_OUTPUT_HANDLE);


    if(GetConsoleCursorInfo(hStdOut, &cciCursor)) {

        cciCursor.bVisible = TRUE;

        SetConsoleCursorInfo(hStdOut, &cciCursor);

    }

}

int main() {

    HWND  hwnd;

    HDC   hdc;

    HFONT hfont;

    wchar_t wc[2];


    system("color F0");

    system("cls");

    HideTheCursor();

    hwnd  = GetConsoleWindow();

    hdc   = GetDC(hwnd);

    hfont = CreateFont(48,0,0,0,0,0,0,0,GB2312_CHARSET ,0,0,0,0,"宋体-方正超大字符集");

    SelectObject(hdc,hfont);

    wc[0]=0xD854u;

    wc[1]=0xDC00u;

    TextOutW(hdc,10,10,wc,2);

    DeleteObject(hfont);

    ReleaseDC(hwnd,hdc);

    getch();

    system("color 07");

    system("cls");

    ShowTheCursor();

    return 0;

}

#if 0

代理项或代理项对是一对共同表示单个字符的 16 位 Unicode 编码值。需要记住的关键一点是：

代理项对实际上是 32 位单个字符，不能再假定一个 16 位 Unicode 编码值正好映射到一个字符。


使用代理项对

代理项对的第一个值是高代理项，包含介于 U+D800 到 U+DBFF 范围内的 16 位代码值。

该对的第二个值是低代理项，包含介于 U+DC00 到 U+DFFF 范围内的值。通过使用代理项对，

16 位 Unicode 编码系统可以对已由 Unicode 标准定义的一百多万个其他字符 (220) 进行寻址。


在传递给 XmlTextWriter 方法的任何字符串中都可以使用代理项字符。不过，代理项字符在编写的

XML 中应该有效。例如，万维网联合会 (W3C) 建议不允许在元素或属性的名称中使用代理项字符。

如果字符串包含无效的代理项对，则引发异常。


另外，可以使用 WriteSurrogateCharEntity 写出与代理项对相对应的字符实体。字符实体以十六

进制格式写出，并用以下公式生成：


(highChar -0xD800) * 0x400 + (lowChar -0xDC00) + 0x10000


如果字符串包含无效的代理项对，则引发异常。下面的示例显示将代理项对作为输入的 WriteSurrogateCharEntity 方法。


C#复制

 // The following line writes &#x10000.

WriteSurrogateCharEntity ('\uDC00', '\uD800');

下面的示例生成一个代理项对文件，将其加载到 XmlReader 中，并用新的文件名保存文件。

然后，原始文件和新文件被加载回应用程序的 XML 文档对象模型 (DOM) 结构中以进行比较。


C#复制

 char lowChar, highChar;

char [] charArray = new char[10];

FileStream targetFile = new FileStream("SurrogatePair.xml",

      FileMode.Create, FileAccess.ReadWrite, FileShare.ReadWrite);


lowChar = Convert.ToChar(0xDC00);

highChar = Convert.ToChar(0xD800);

XmlTextWriter tw = new XmlTextWriter(targetFile, null);

tw.Formatting = Formatting.Indented;

tw.WriteStartElement("root");

tw.WriteStartAttribute("test", null);

tw.WriteSurrogateCharEntity(lowChar, highChar);

lowChar = Convert.ToChar(0xDC01);

highChar = Convert.ToChar(0xD801);

tw.WriteSurrogateCharEntity(lowChar, highChar);

lowChar = Convert.ToChar(0xDFFF);

highChar = Convert.ToChar(0xDBFF);

tw.WriteSurrogateCharEntity(lowChar, highChar);


// Add 10 random surrogate pairs.

// As Unicode, the high bytes are in lower

// memory; for example, word 6A21 as 21 6A.

// The high or low is in the logical sense.

Random random = new Random();

for (int i = 0; i < 10; ++i) {

      lowChar = Convert.ToChar(random.Next(0xDC00, 0xE000));

      highChar = Convert.ToChar(random.Next(0xD800, 0xDC00));

      charArray[i] = highChar;

      charArray[++i] = lowChar;

}

tw.WriteChars(charArray, 0, charArray.Length);


for (int i = 0; i < 10; ++i) {

      lowChar = Convert.ToChar(random.Next(0xDC00, 0xE000));

      highChar = Convert.ToChar(random.Next(0xD800, 0xDC00));

      tw.WriteSurrogateCharEntity(lowChar, highChar);

}


tw.WriteEndAttribute();

tw.WriteEndElement();

tw.Flush();

tw.Close();


XmlTextReader r = new XmlTextReader("SurrogatePair.xml");


r.Read();

r.MoveToFirstAttribute();

targetFile = new FileStream("SurrogatePairFromReader.xml",

       FileMode.Create, FileAccess.ReadWrite, FileShare.ReadWrite);


tw = new XmlTextWriter(targetFile, null);

tw.Formatting = Formatting.Indented;

tw.WriteStartElement("root");

tw.WriteStartAttribute("test", null);

tw.WriteString(r.Value);

tw.WriteEndAttribute();

tw.WriteEndElement();

tw.Flush();

tw.Close();


// Load both result files into the DOM and compare.

XmlDocument doc1 = new XmlDocument();

XmlDocument doc2 = new XmlDocument();

doc1.Load("SurrogatePair.xml");

doc2.Load("SurrogatePairFromReader.xml");

if (doc1.InnerXml != doc2.InnerXml) {

      Console.WriteLine("Surrogate Pair test case failed");

}

在使用 WriteChars 方法（一次写出一个缓冲区的数据）写出时，输入中的代理项对可能

会在一个缓冲区内被意外拆分。由于代理项值是定义完善的，如果 WriteChars 遇到来自

较低范围或者较高范围的 Unicode 值，它将该值标识为代理项对的一半。当遇到

 WriteChars 将导致从拆分代理项对的缓冲区写入的情况时，将引发异常。使用

  IsHighSurrogate 方法检查缓冲区是否以高代理项字符结束。如果缓冲区中的最后一个

  字符不是高代理项，可以将该缓冲区传递给 WriteChars 方法。


请参见

概念

使用 XmlTextWriter 创建格式正确的 XML

XmlTextWriter 的 XML 输出格式设置

XmlTextWriter 的命名空间功能


#endif

相关推荐