c - 如何获取多字节字符串的字节大小

Question

如何在 Visual C 中获取多字节字符串的字节大小？有函数还是我必须自己数字符？

或者，更一般地说，如何获得 TCHAR 字符串的正确字节大小？

解决方法:

_tcslen(_T("TCHAR string")) * sizeof(TCHAR)

编辑:
我只是在谈论以 null 结尾的字符串。

Answer 1

让我们看看我能否解决这个问题:

“多字节字符串”一开始是一个模糊的术语，但在微软的世界里，它通常意味着“不是 ASCII，也不是 UTF-16”。因此，您可以使用某些字符编码，每个字符可能使用 1 个字节，或 2 个字节，或可能更多。一旦这样做，字符串中的字符数 != 字符串中的字节数。

我们以 UTF-8 为例，尽管它并未在 MS 平台上使用。字符 é 在内存中被编码为“c3 a9”——因此，两个字节，但 1 个字符。如果我有字符串“thé”，它是:

text: t  h  é     \0
mem:  74 68 c3 a9 00

这是一个“以空值终止”的字符串，因为它以空值结尾。如果我们想让我们的字符串中有空值，我们需要以其他方式存储大小，例如:

struct my_string
{
    size_t length;
    char *data;
};

... 以及一系列帮助处理该问题的函数。 (这就是 std::string 的工作方式，非常粗略。)

然而，对于以 null 结尾的字符串，strlen() 将计算它们的大小以字节为单位，而不是字符。 (还有其他用于计算字符的函数)strlen 只是在它看到 0 字节之前计算字节数——没什么特别的。

现在，MS 世界中的“宽”或“unicode”字符串指的是 UTF-16 字符串。他们有类似的问题，因为字节数!=字符数。 (另外:字节数/2 != 字符数)让我们再看一遍:

text:   t      h      é      \0
shorts: 0x0074 0x0068 0x00e9 0x0000
mem:    74 00  68 00  e9 00  00 00

这是 UTF-16 中的“thé”，存储在小端(这是典型的桌面)。请注意所有的 00 字节——这些会导致 strlen 出错。因此，我们调用 wcslen，它将其视为 2 字节的 short，而不是单个字节。

最后，您有 TCHAR，这是上述两种情况之一，具体取决于是否定义了 UNICODE。 _tcslen 将是适当的函数(strlen 或 wcslen)，而 TCHAR 将是 char 或 wchar_t。 TCHAR 的创建是为了简化 Windows 世界中向 UTF-16 的迁移。