C++ 字符串完全指引（一）：Win32 字符編碼基礎與 TCHAR 機制

前言

面對 TCHAR、std::string、BSTR、_tcs 宏等繁雜字符串類型，本指引總結其由來、用法及相互轉換方法。第一部分介紹三種字符編碼模式，理解它們是掌握字符串類型關系的基石。

字符基礎：ASCII、DBCS、Unicode

所有 string 類基於 C 風格字符串（字符數組）。三種編碼模式對應三種字符類型：

1. SBCS（單字節字符集）： 每字符佔 1 字節。ASCII 屬此類。以單字節 0 結尾。
2. MBCS/DBCS（多/雙字節字符集）： 混合 1 字節與 2 字節字符。Windows 採用 DBCS：特定「前導位元組」標識雙字節字符（如 Shift-JIS 中 0x81-0x9F, 0xE0-0xFC），後跟「後續位元組」。以單字節 0 結尾。
3. Unicode： 所有字符固定 2 字節（寬字符）。以雙字節 0 (0x0000) 結尾。Unicode 不是 MBCS（後者字符長度可變）。

單字節字符含拉丁字母等；雙字節用於東亞/中東語言；Unicode 用於 COM 及 Windows NT 內部。

代碼表示：wchar_t wch = L'1'; wchar_t* wsz = L"Hello";

內存存儲形式對比

SBCS "Bob"： 42 6F 62 00

Unicode L"Bob"： 42 00 6F 00 62 00 00 00 (小端序)

DBCS "日本語"： 93 FA 96 7B 8C EA 00 (每字符 2 字節，前導位元組 > 0x7F)

注意：DBCS 中雙字節字符不可視為 WORD 整體，必須按字節序解讀。

字符串處理函數選擇

• str* 族：僅用於 SBCS。
• wcs* 族：僅用於 Unicode。
• _mbs* 族：微軟 CRT 擴展，支援 DBCS，兼容 SBCS。若軟體可能在 DBCS 國家（中、日、韓）安裝，應優先用 _mbs* 函數。

誤用示例：Unicode 字符串傳給 strlen 會因遇到中間 0 字節而截斷；傳給 wcslen 會越界讀取直到雙零或 GPF。

正確遍歷與索引 DBCS 字符串

SBCS/Unicode 可用指針 ++/-- 或下標，因字符定長。DBCS 嚴禁：

1. 前向遍歷勿用 ++，除非每次檢查前導位元組。
2. 絕不使用 -- 後向遍歷。

反例：檢查路徑尾部反斜槓，用 pLastChar-- 會誤讀後續位元組 0x5C（'\' 的值）為單字符，導致邏輯錯誤。正確做法用 CharPrev API 後退一個字符（可能 2 字節）。

// 錯誤
char* pLastChar = strchr(szPath, '\0'); pLastChar--;
if (*pLastChar != '\\') strcat(szPath, "\\");

// 正確
char* pLastChar = _mbschr(szPath, '\0');
pLastChar = CharPrev(szPath, pLastChar); // 後退一個字符
if (*pLastChar != '\\') _mbscat(szPath, "\\");

索引規則：勿用減法得索引（如 &arr[strlen(arr)-1] 同理錯誤）。

Win32 API 的雙版本機制與 TCHAR

所有字符串相關 API/消息均有 A (MBCS) 和 W (Unicode) 兩版本，如 SetWindowTextA/W。頭文件用宏映射：

#ifdef UNICODE
#define SetWindowText SetWindowTextW
#else
#define SetWindowText SetWindowTextA
#endif

#ifdef UNICODE
typedef wchar_t TCHAR;
#define _T(x) L##x
#else
typedef char TCHAR;
#define _T(x) x
#endif