将变体BSTR转换为std::string的默认编码

Question

我有一个变量bstr，它是从MSXML DOM中提取的，因此它是UTF-16编码。我正在尝试弄清楚这种转换所发生的默认编码：

VARIANT vtNodeValue;
pNode->get_nodeValue(&vtNodeValue);
string strValue = (char*)_bstr_t(vtNodeValue);

经过测试，我认为默认编码可能是Windows-1252或Ascii，但不确定。

顺便说一下，这是我正在修复的代码块，将变量转换为wstring，并使用WideCharToMultiByte调用进行多字节编码。

谢谢！

- Paul

Answer 1

operator char* 方法调用 _com_util::ConvertBSTRToString()。根据文档，该方法使用当前区域设置执行转换。更新：在内部，_com_util::ConvertBSTRToString() 调用 WideCharToMultiByte，将所有代码页和默认字符参数都设为零。这等同于传递 CP_ACP，表示使用系统当前的 ANSI 代码页设置（而不是当前线程设置）。如果要避免数据丢失，您应该直接调用 WideCharToMultiByte 并使用 CP_UTF8。您仍然可以将字符串视为以空字符结尾的单字节字符串并使用 std::string，但不能将字节视为字符。

- Tim Sylvester

---

US Windows的默认代码页是1252，这与我观察到的一致。可以通过此调用在任何计算机上确定： int nCodePage = GetACP(); - Paul

Answer 2

std::string本身并不指定/包含任何编码。它只是一系列字节。同样适用于std::wstring，它只是一系列wchar_t（在Win32上是双字节单词）。

通过其operator char*将_bstr_t转换为char*，您将简单地获得指向原始数据的指针。根据MSDN，此数据由宽字符组成，即表示UTF-16的wchar_t。

我很惊讶它实际上可以从中构造一个std::string；如果您的原始字符串是英语，您不应该通过第一个零字节（很快就会出现）。

但是，由于wstring是wchar_t的字符串，因此您应该能够直接从_bstr_t构造一个，如下所示：

_bstr_t tmp(vtNodeValue);
wstring strValue((wchar_t*)tmp, tmp.length());

我不确定length是指字节数还是字符数？然后，你会得到一个以UTF-16编码的wstring，你可以在上面调用WideCharToMultiByte。

- Thomas

---

不对，这并不是真正的强制类型转换，bstr_t有一个operator char*被定义在内部进行转换。 - Tim Sylvester

我知道。单词“cast”不合适吗？也许“转换运算符”更好。我会改变它。 - Thomas

这是不正确的：将 _bstr_t 强制转换为 char* 会调用 _com_util::ConvertBSTRToString 函数将字符串转换为基于字节的编码。 - interjay

我猜你可以称之为强制类型转换，但你绝对不仅仅是获取宽字符数据的指针。 - Tim Sylvester

这些运算符可用于提取封装的Unicode或多字节BSTR对象的原始指针。这些运算符返回指向实际内部缓冲区的指针，因此无法修改生成的字符串。 没有提到任何转换。MSDN有误吗？ - Thomas

@Thomas 我怀疑该语句的意图是表明您不需要释放结果。该语句没有说出但只是暗示了实际上有两个内部缓冲区。(实际上相当令人困惑，因为它们说“the”指向“the”内部缓冲区。)根据您使用的运算符，您会得到一个不同的指针值，而不仅仅是指向相同地址的不同类型的指针。既然有宽缩小缓冲区，进一步暗示了bstr_t必须进行内部编码转换。 - Tim Sylvester