何时应该使用宽字符字符串？

Question

我正在现代化一个庞大的、传统的MFC代码库，其中包含各种字符串类型：

• CString
• std::string
• std::wstring
• char*
• wchar_t*
• _bstr_t

我想在内部标准化一种字符串类型，并仅在第三方API（即COM或MFC函数）绝对需要时将其转换为其他类型。我的同事和我正在讨论的问题是：我们应该使用哪种字符串类型作为标准？

我更喜欢使用C++标准字符串之一：std::string或std::wstring。我个人倾向于使用std::string，因为我们不需要宽字符——这是一个没有面向客户的UI的内部代码库（即不需要多语言支持）。"普通"字符串允许我们使用简单的、未装饰的字符串字面值（"Hello world" vs L"Hello world" 或 _T("Hello world")）。

编程社区有没有官方立场？面对多种字符串类型，通常使用什么作为标准的“内部”存储格式？

- BTownTKD

---

在Windows内部，字符编码使用的是UTF-16LE，因此在该平台上使用std::wstring和std::vector<wchar_t>都是很合适的选择。 - Richard Critten

对于Windows应用程序，请使用std::wstring。如果使用窄字符串，则需要在各处进行转换。请注意：既然您不知道这一点，您不是做这项工作的好选择，这是基础知识。选择您为翻译人员的责任在于您的经理。 - Cheers and hth. - Alf

关于 _T("Hello world")，自从引入 Unicode 层以来，T 宏已经在 2000 年被淘汰，而今天我们的工具无法为这些宏所针对的 Windows 版本（9x）生成可执行文件。我知道这是一个遗留代码库。但当你的任务是清理它时，提到 T 宏是不合适和非常低效的。 - Cheers and hth. - Alf

如果您选择窄字符，那么只需要一个非拉丁名字的员工，您的程序就会出现编码问题，影响用户和以下目录。 - Richard Critten

http://utf8everywhere.org/ - Artemy Vysotsky

Answer 1

如果我们谈论Windows，那么我会使用std::wstring（因为我们经常需要很酷的字符串功能），或者wchar_t*（如果你只是传递字符串）。

请注意，Microsoft在这里推荐使用：Working with Strings

Windows原生支持UI元素、文件名等Unicode字符串。Unicode是首选字符编码，因为它支持所有字符集和语言。Windows使用UTF-16编码表示Unicode字符，其中每个字符都被编码为一个16位值。UTF-16字符称为宽字符，以区别于8位ANSI字符。Visual C++编译器支持用于宽字符的内置数据类型wchar_t。

还有：

当Microsoft向Windows引入Unicode支持时，通过提供两组平行的API（一组用于ANSI字符串，另一组用于Unicode字符串）来简化过渡。[...]在内部，ANSI版本将字符串转换为Unicode。

还有：

新的应用程序应该始终调用Unicode版本。许多世界语言都需要Unicode。如果您使用ANSI字符串，将无法本地化您的应用程序。ANSI版本也不太高效，因为操作系统必须在运行时将ANSI字符串转换为Unicode。[...] Windows中的大多数较新的API仅具有Unicode版本，没有相应的ANSI版本。

- Simon Mourier

---

因为我们经常需要一些酷炫的字符串功能，这部分内容可能需要更详细的说明。为什么不使用CString呢？MFC无处不在地使用它。虽然我不建议这样做;-) - zett42

@zett42 - 十年或二十年前（是的，我很老 :-），我也会推荐这样做，但今天，有那么多的示例/代码/开源等使用std::，而且有很多人习惯了它，所以我觉得std::也可以。然而，只要确保没有人因为懒惰而引入std::，我认为CString也完全可以。 - Simon Mourier

我想要补充一下，在OP的特定情况下，std::wstring是我认为最好的选择。但是，不要盲目决定总是使用std::wstring和宽字符。在做出选择之前，请考虑应用程序正在执行的操作。有趣的是，很多年前（大约在2000年初），我拿到了Dhrystone基准测试的源代码，并将其中每个“char”实例转换为“wchar_t”。这样做导致性能下降了约15％，因此请注意使用宽字符确实会付出代价。你需要自己决定是否在意这个代价。 - dgnuff

Answer 2

这要看情况。

在编写Windows程序时，建议至少使用std::wstring来处理以下内容：

- 资源（字符串、对话框等） - 文件系统访问（Windows允许在文件和目录名中使用非ASCII字符（包括所有“错误的撇号”），这些文件无法使用ANSI API打开） - COM（BSTR始终是宽字符） - 其他用户界面（剪贴板、系统错误报告等）

但是，使用单个字符字符串处理内部ASCII数据文件和UTF-8编码数据更加简单、快速和高效。

除了问题中未提及的其他方面，如数据库或使用的API、输入/输出文件等以及它们的字符集，在决定最佳数据结构时都起着重要作用。

“到处使用UTF-8”通常是一个好主意。但是没有任何Windows API支持UTF-8。即使std::experimental::filesystem API在Windows上也使用std::wstring，而在POSIX上则使用std::string。

- rustyx