Come ottenere la dimensione in byte della stringa multibyte

Question

Come ottengo la dimensione in byte di una stringa di caratteri multibyte in Visual C? Esiste una funzione o devo contare i personaggi personalmente?

O, più in generale, come ottengo la giusta dimensione in byte di una stringa TCHAR?

Soluzione:

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

EDIT:
stavo parlando solo stringhe null-terminated.

Answer 1

According to MSDN, _tcslen corrisponde a strlen quando è definito _MBCS. strlen restituirà il numero di byte nella stringa. Se si utilizza _tcsclen che corrisponde a _mbslen che restituisce il numero di caratteri multipla .

Inoltre, le stringhe multibyte non (AFAIK) contengono valori nulli incorporati, n.

Vorrei mettere in discussione l'uso di una codifica multibyte, in primo luogo, sebbene ... a meno che non si stia supportando un'app legacy, non c'è motivo di scegliere multibyte su Unicode.

Answer 2

Vediamo se riesco a chiarire la situazione:

"stringa di caratteri multi-byte" è un termine vago per cominciare, ma nel mondo di Microsoft, è meants tipicamente "non ASCII, e non UTF 16" . Quindi, potresti usare una codifica di caratteri che potrebbe usare 1 byte per carattere, o 2 byte, o forse più. Non appena lo fai, il numero di caratteri nella stringa! = Il numero di byte nella stringa.

Prendiamo UTF-8 come esempio, anche se non è utilizzato su piattaforme MS. Il carattere é è codificato come "c3 a9" in memoria - quindi, due byte, ma 1 carattere. Se ho la "I" stringa, è:

text: t h é  \0 
mem: 74 68 c3 a9 00 

Questo è un "nullo terminata" stringa, in quanto termina con un nullo. Se volessimo permettere nostra stringa di avere valori nulli in essa, avremmo bisogno di memorizzare la dimensione in qualche altro modo, come ad esempio:

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

... e una serie di funzioni per contribuire ad affrontare questo. (Questa è una sorta di come std::string opere, piuttosto grossolanamente.)

Per stringhe null-terminated, tuttavia, strlen() calcolerà la loro dimensione in byte , caratteri non. (Ci sono altre funzioni per il conteggio dei caratteri) strlen conta il numero di byte prima di vedere un byte 0 - niente di strano.

Ora, le stringhe "wide" o "unicode" nel mondo di MS si riferiscono alle stringhe UTF-16. Hanno problemi simili in quanto il numero di byte! = Il numero di caratteri. (Anche: il numero di byte/2 = il numero di caratteri!) Lasciate guardare il nuovo:

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

Questo è "il" in UTF-16, memorizzata in little endian (che è ciò che il vostro desktop tipico è). Si noti tutti i 00 byte - questi trip up strlen. Quindi, chiamiamo wcslen, che lo considera come 2 byte short s, non singoli byte.

Infine, si dispone di TCHAR s, che sono uno dei due casi precedenti, a seconda se è stato definito UNICODE. _tcslen sarà la funzione appropriata (strlen o wcslen) e TCHAR sarà char o wchar_t. TCHAR è stato creato per facilitare il passaggio a UTF-16 nel mondo Windows.