Delphi 2009/2010中新的字符串类型如何工作？

Question

我需要将一个使用strings、AnsiStrings、WideStrings和UTF8数据的大型遗留应用程序转换为Delphi 2009，并且我很难理解新字符串类型的工作原理以及它们应该如何使用。该应用程序完全支持Unicode，使用了TntUnicodeControls，还有一些第三方DLL需要特定编码的字符串，主要是UTF8和UTF16，这使得转换任务不像人们想象的那么简单。

我特别遇到了C DLL调用的问题，选择正确的类型也很麻烦。我也发现有很多隐式的字符串转换，因为其中一个DLL似乎总是接收UTF-8编码的字符串，无论Delphi字符串的编码方式如何。

请问有人可以提供一份关于新的Delphi 2009字符串类型——UnicodeString和RawByteString的简要概述，可能会有一些使用提示和在转换pre 2009应用程序时可能遇到的问题吗？

- Daniel Rikowski

---

CodeRage 4的重播已经上线，请访问http://www.delphifeeds.com/go/s/60421和http://conferences.embarcadero.com/coderage/sessions。 - Jeroen Wiert Pluimers

Answer 1

请查看由Marco Cantù撰写的白皮书Delphi和Unicode，以及我猜是Joel所写的每个软件开发人员都必须绝对、肯定地了解Unicode和字符集的最低限度（没有任何借口！）。

一个陷阱是，默认的Win32 API调用已被映射为使用W（宽字符串）版本，而不是A（ANSI）版本，例如ShellExecuteA。如果您的代码正在做内部布局假设AnsiString的棘手指针代码，那么它将会中断。一种备选方案是将PChar替换为PAnsiChar，Char替换为AnsiChar，string替换为AnsiString，并在Win32 API调用的这部分代码末尾添加A。在代码实际编译和正常运行之后，您可以重构您的代码，使用string（UnicodeString）。

- Eugene Yokota

---

我曾经问过一个类似的问题，关于升级C++Builder 2007应用程序。其中并非所有内容都适用于你，但是一些链接和答案可能对你有用。 - David

Answer 2

本周五，您可以观看我的CodeRage 4关于“在程序中使用Unicode和其他编码”的演讲，或等待在线回放。

我将介绍一些编码并解释字符串格式。

幻灯片即将上线（我会尽快在网上发布），其中包含许多参考资料，您应该在互联网上阅读（但我必须承认我忘记了eed3si9n发布的有关Unicode的Joel链接）。

今天我会编辑这个答案并上传链接。

---

编辑：

如果您有一个小样例，可以展示您的C / C ++ DLL接收到UTF8编码的字符串，但认为它们应该以其他方式编码，请将其发布（给我发电子邮件；几乎任何@符号之前都可以通过我的名字来找到我）。

现在可以下载会议材料，包括“在程序中使用Unicode和其他编码”会话。

以下是该会话的链接：

请阅读以下内容：

1. Marco Cantu，白皮书“Delphi和Unicode”
2. Marco Cantu，演讲“Delphi和Unicode”
3. Nick Hodges，白皮书“在Unicode世界中的Delphi”

相关的在线帮助主题：

1. Delphi和C++Builder 2009的新功能
2. 字符串类型：基本类型：ShortString、AnsiString、WideString、UnicodeString
3. 字符串类型：Unicode（包括字符串类型的内部存储布局）
4. 字符串类型：启用Unicode
5. 字符串类型：RawByteString（CodePage为$ffff的AnsiString）
6. 字符串类型：UTF8String（CodePage为65001的AnsiString）
7. 字符串<->PChar转换：PChar基础知识
8. 字符串<->PChar转换：返回PChar本地变量
9. 字符串<->PChar转换：传递本地变量作为PChar

希望这些内容能够帮助您。如果还有问题，请发送邮件给我，我会尽力在此处扩展答案。

- Jeroen Wiert Pluimers

---

考虑到Unicode不是一种编码方式，这个标题有些奇怪。但是引用维基百科的话来说：“Unicode可以通过不同的字符编码实现。” - mghie

谢谢！我会尝试将所有内容重命名为“在程序中使用Unicode和选择文本/字符串编码”。 - Jeroen Wiert Pluimers

...或者使用“使用Unicode和其他编码”，这也可以。 - Tim Sullivan

感谢您提供的优质资源列表以及慷慨的帮助提供。但如果我还有疑问，我宁愿在这里询问，这样其他读者也可以从您的知识中受益。 :) - Daniel Rikowski

@Tim："(使用Unicode)和(其他编码)"怎么会没问题呢，这不就像"(吃苹果)和(其他种类的木头)"吗？难道英语真的那么不精确吗？ - mghie

Answer 3

请注意，它不仅会命中真实的字符串代码，还会命中使用PCHAR遍历缓冲区或与API接口交互的代码。

例如，动态加载DLL的头文件初始化代码（getprocedureaddress/loadlibray）。

- Marco van de Voort

Answer 4

似乎我所有的问题都来自于赋值时的自动转换为UTF8String。

我已经有了使用UTF8String的旧代码，只是为了帮助我思考变量应该包含哪种类型的字符串。

在开始移植我的应用程序时，出于同样的原因，我将AnsiString替换为UTF8String，但是代码依赖于UTF8String仅仅是(classic)AnsiString的别名。

现在，由于自动转换，这个假设不再成立，这就造成了许多问题。

如果您从2009年之前的Delphi代码移植时使用UTF8String，请小心！

- Daniel Rikowski

Answer 5

在不同版本的Delphi或C++ Builder构建的dll之间传递字符串时需要注意另一件事情是，从2009年开始，AnsiStringBase的StrRec部分增加了两个额外的字段；codePage和elemSize。它们每个都是2个字节（short int），因此StrRec的大小现在为12个字节而不是8个字节。即使字符串的数据部分似乎传输正常，这可能会导致内存分配和销毁时出现无效指针异常问题。

- Steve