wxWidgets源碼分析(9) - wxString

標籤：windows平台   寫代碼   ali   必須   字元轉換   靜態   建議   模式   debug模式   

目錄

• wxString
  • wxString的中文字元支援
  • wxString與通用字串的轉換
  • 字元集轉換

wxStringwxString的中文字元支援

中文字元的編碼格式如下：

漢字	GBK	區位碼	UTF-8	UTF-16
中	D6 D0	54 48	E4 B8 AD	4E 2D
文	CE C4	46 36	E6 96 87	65 87

不同作業系統的預設內碼

Windows系統（預設GBK）：41  42  d6  d0  ce  c4Linux系統（預設UTF-8）：41  42  e4  b8  ad  e6  96  87

Windows

wxStrubg在window系統中使用了UTF-16編碼格式。但是在windows系統中，預設的檔案的編碼格式為GBK格式，考慮到這點，wxString在對賦值取值時，對字元編碼進行了從GBK到UTF-16編碼的轉換，這也就要求源碼必須是GBK格式的!!，否則顯示出來的就是亂碼，當然還有另外一條路，就是使用wxConv類告訴wxString當前的字元編碼是什麼格式的。

源碼檔案格式為GBK時的測試，可以發現只有不進行轉換的才可以顯示。

測試函數：wxString("AB中文",wxConvUTF8)輸出：空測試函數：wxString("AB中文")輸出：41 42 4E2D 6587 測試函數：_("AB中文")輸出：41 42 4E2D 6587 

源碼檔案格式為UTF-8時的測試，可以發現只有轉換的才可以顯示，其他的都顯示亂碼。

測試函數：wxString("AB中文",wxConvUTF8)輸出：41 42 4E2D 6587 測試函數：wxString("AB中文")輸出：41 42 6D93 E15F 6783 測試函數：_("AB中文")輸出：41 42 6D93 E15F 6783 

Linux Unicode

編譯wxWidgets 3.0 時指定了“--enable-unicode”選項，指定此選項後wxString的內部編碼使用的是UTF-16格式進行編碼（註：即使不指定--enable-unicode選項，wxWidgets依舊使用unicode格式儲存資料，Windows系統中使用UTF-16，Linux&MAC系統中使用UTF-32）

測試函數：wxString("AB中文",wxConvUTF8)輸出：41 42 4E2D 6587 測試函數：wxString("AB中文")輸出：空測試函數：_("AB中文")輸出：空(源碼檔案格式為UTF-8，如果源檔案為非UTF-8格式，則都輸出錯誤)

可以看出，Linux系統中檔案格式是 UTF-8 格式的，轉換後，wxString內部是UTF-32格式的，如果要在Linux中顯示中文，則需要使用wxConvUTF8進行轉換。

Linux UTF-8

編譯wxWidgets 3.0 時指定了“--enable-utf8 --enable-utf8only”選項，這樣在wxString內部編碼時就直接使用UTF-8格式了，增加 “--enable-utf8only”選項後，則禁止了字元之間的轉換，在效率上有大幅的提升，同時編寫代碼也容易多了：

測試函數：wxString("AB中文",wxConvUTF8)輸出：41 42 4E2D 6587 測試函數：wxString("AB中文")輸出：41 42 4E2D 6587 測試函數：_("AB中文")輸出：41 42 4E2D 6587 (源碼檔案格式為UTF-8，如果源檔案為非UTF-8格式，則都輸出錯誤)

注意到，上面三種格式的資料都能正常輸出。

總結

建議後續在寫wxWidgets程式時，介面中涉及到的語言全部是使用英語，這樣不管檔案是GBK編碼也好，是UTF-8編碼也好，都能夠編譯、顯示正常。

如果需要支援多過語言，建議使用wxWidgets提供的wxLocale解決方案。

wxString與通用字串的轉換wxString對象的建立

除了wxString的建構函式外，可以通過以下幾種方式來產生wxString對象：

靜態方法	說明
wxString::FromAscii()	通過ASCII碼的字串來建立wxString對象，如果字串中含有大於等於0x80的字串，wxString會報錯，比如 wxString str = wxString::FromAscii("ABC中文"); 在運行時如果開啟了debug模式就會收到alert資訊，同時顯示該字串如果顯示出來是亂碼；
wxString::FromUTF8()	通過UTF-8字串來建立對象，比如： wxString test = wxString::FromUTF8("\xF0\x90\x8C\x80");
建構函式+wxMBConv對象	wxMBConv對象預設值為wxConvLibc

將wxString對象轉換為其他類型資料

wxString 提供了多種方法，可以將資料轉換為你需要的資料；

c_str()

原型:

wxCStrData wxString::c_str() const;

本函數用於將wxString對象轉換為 const char* 或者 const wchar_t* 格式的資料，以下為使用方法：

const char *p = str.c_str();        // 左側已經註明類型，c_str函數將會輸出`const char*`類型sprintf(abStr, "sprintf = %s\n", (const char *)str.c_str());    // 必須加強轉

跟蹤代碼可以看到wxCStrData是通過重載強轉操作符實現的類型自動轉換：

    inline const wchar_t* AsWChar() const;    inline const char* AsChar() const;    const unsigned char* AsUnsignedChar() const        { return (const unsigned char *) AsChar(); }            // 重載轉換操作符    operator const wchar_t*() const { return AsWChar(); }    operator const char*() const { return AsChar(); }    operator const unsigned char*() const { return AsUnsignedChar(); }    operator const void*() const { return AsChar(); }

資料的輸出通過的是 wxCStrData::AsChar() 函數，內部實現實際上時通過調用wxString的內建函式AsChar和mb_str來實現的：

inline const char* wxCStrData::AsChar() const{#if wxUSE_UNICODE && !wxUSE_UTF8_LOCALE_ONLY    const char * const p = m_str->AsChar(wxConvLibc);    if ( !p )        return "";#else // !wxUSE_UNICODE || wxUSE_UTF8_LOCALE_ONLY    const char * const p = m_str->mb_str();#endif // wxUSE_UNICODE && !wxUSE_UTF8_LOCALE_ONLY    return p + m_offset;}

mb_str()

原型：

const wxCharBuffer  mb_str (const wxMBConv &conv=wxConvLibc) const;

使用方法與c_str類似：

const char *p = str.c_str();

函數的實現如下，mb_str調用AsCharBuf，AsCharBuf接著調用AsChar實現轉換（AsChar函數後續有詳細分析）：

const wxScopedCharBuffer mb_str(const wxMBConv& conv = wxConvLibc) const{    return AsCharBuf(conv);}wxScopedCharBuffer AsCharBuf(const wxMBConv& conv) const{    ...    if ( !AsChar(conv) )    ...}

我們再看下wxScopedCharBuffer的實現，它也應當同樣實現了wxCStrData函數的操作符強制轉換，跟蹤代碼：

typedef wxScopedCharTypeBuffer<char> wxScopedCharBuffer;// 繼續 wxScopedCharTypeBuffer，可以看到它也實現了操作符重載，轉換為模板指定的類型// 對於 wxScopedCharBuffer 來說就是 const char*template <typename T>class wxScopedCharTypeBuffer{public:    typedef T CharType;        const CharType *data() const { return  m_data->Get(); }    operator const CharType *() const { return data(); }}

utf8_str()

函數返回UTF-8字串，可以看到，它是通過調用mb_str(wxMBConvUTF8())實現了自身的轉換，輸出的字串格式為UTF-8編碼的。

const wxScopedCharBuffer utf8_str() const { return mb_str(wxMBConvUTF8()); }

ToStdString()

用於將wxString對象轉換稱std::string對象，可以看到，最終還是通過調用mb_str函數進行轉換。

std::string ToStdString() const{    wxScopedCharBuffer buf(mb_str());    return std::string(buf.data(), buf.length());}

wxString::AsChar轉換的關鍵函數

下面針對Unicode模式的程式碼分析：

const char *wxString::AsChar(const wxMBConv& conv) const{#if wxUSE_UNICODE_UTF8    ...#else // wxUSE_UNICODE_WCHAR    // 調用c_str()擷取wchar_t*，由於wxString內部就是使用wchar_t*儲存的    // 所以這步調用直接擷取到內部的buffer    const wchar_t * const strWC = m_impl.c_str();    const size_t lenWC = m_impl.length();#endif // wxUSE_UNICODE_UTF8/wxUSE_UNICODE_WCHAR    // 調用`conv.FromWChar`將Unicode字元轉換為當天系統的MultiByte字串    const size_t lenMB = conv.FromWChar(NULL, 0, strWC, lenWC);    if ( lenMB == wxCONV_FAILED )        return NULL;    if ( !m_convertedToChar.m_str || lenMB != m_convertedToChar.m_len )    {        if ( !const_cast<wxString *>(this)->m_convertedToChar.Extend(lenMB) )            return NULL;    }    m_convertedToChar.m_str[lenMB] = ‘\0‘;    if ( conv.FromWChar(m_convertedToChar.m_str, lenMB,                        strWC, lenWC) == wxCONV_FAILED )        return NULL;    return m_convertedToChar.m_str;}

調用 wxMBConv::FromWChar 進行字串轉換， 跟蹤 wxMBConv::FromWChar 的實現，它會繼續調用wxMBConv::WC2MB執行轉換，可參考另外一片文章，有描述此函數的實現。

通過上述過程實現了wxString到本地字串的轉換。

字元集轉換

正式代碼中通過下面的方式調用（wxWidgets-3.0.2）：

wxString    testStr("abc中文測試");

接著我們看下wxString內部時如何?的：

調用wxString的建構函式：

// string.h L1241  wxString(const char *psz)    : m_impl(ImplStr(psz)) {}

wxString的建構函式調用ImplStr來初始化wxString的內部變數m_impl，函數定義如下：

  static wxScopedWCharBuffer ImplStr(const char* str,                                     const wxMBConv& conv = wxConvLibc)    { return ConvertStr(str, npos, conv).data; }

我們先看下第二個參數wxConvLibc的由來，具體實現我們後面再說：

// strconv.h L563#define WX_DECLARE_GLOBAL_CONV(klass, name)                 extern WXDLLIMPEXP_DATA_BASE(klass*) name##Ptr;         extern WXDLLIMPEXP_BASE klass* wxGet_##name##Ptr();     inline klass& wxGet_##name()                            {                                                           if ( !name##Ptr )                                           name##Ptr = wxGet_##name##Ptr();                    return *name##Ptr;                                  }    // 使用WX_DECLARE_GLOBAL_CONV宏預定義轉換對象，實際是聲明了一個函數// 和一個指標，實現wxGet_wxConvLibc函數返回這個指標，保證全域唯一WX_DECLARE_GLOBAL_CONV(wxMBConv, wxConvLibc)#define wxConvLibc wxGet_wxConvLibc()

接著 ImplStr 會調用 ConvertStr 來進行轉換，函數實現如下：

// string.cpp L385#if wxUSE_UNICODE_WCHARwxString::SubstrBufFromMB wxString::ConvertStr(const char *psz, size_t nLength, const wxMBConv& conv){    // 調用 conv.cMB2WC 進行轉換    wxScopedWCharBuffer wcBuf(conv.cMB2WC(psz, nLength, &wcLen));}

繼續調用 wxMBConv::cMB2WC 進行字元資料的轉換，我們跟蹤一下源碼，此函數會調用 wxMBConv::ToWChar 進行資料轉換，然後返回長度：

const wxWCharBufferwxMBConv::cMB2WC(const char *inBuff, size_t inLen, size_t *outLen) const{    const size_t dstLen = ToWChar(NULL, 0, inBuff, inLen);    //...

查看wxMBConv::ToWChar的源碼可以看到，它繼續調用MB2WC方法進行字元的轉換，這個是個虛介面，接著我們看看這個虛介面的實現。

接著上文的 wxConvLib ，我們看看是怎麼實現的。

// strconv.cpp L3417#define WX_DEFINE_GLOBAL_CONV2(klass, impl_klass, name, ctor_args)          WXDLLIMPEXP_DATA_BASE(klass*) name##Ptr = NULL;                         WXDLLIMPEXP_BASE klass* wxGet_##name##Ptr()                             {                                                                           static impl_klass name##Obj ctor_args;                                  return &name##Obj;                                                  }                                                                       /* this ensures that all global converter objects are created */        /* by the time static initialization is done, i.e. before any */        /* thread is launched: */                                               static klass* gs_##name##instance = wxGet_##name##Ptr()// strconv.cpp L3437#ifdef __WINDOWS__    WX_DEFINE_GLOBAL_CONV2(wxMBConv, wxMBConv_win32, wxConvLibc, wxEMPTY_PARAMETER_VALUE);#elif 0 // defined(__WXOSX__)    WX_DEFINE_GLOBAL_CONV2(wxMBConv, wxMBConv_cf, wxConvLibc,  (wxFONTENCODING_UTF8));#else    WX_DEFINE_GLOBAL_CONV2(wxMBConv, wxMBConvLibc, wxConvLibc, wxEMPTY_PARAMETER_VALUE);#endif

上面的宏展開後，可以得到在windows平台上 wxConvLibc 的實作類別是 wxMBConv_win32，在其他平台上實作類別是 wxMBConvLibc。

對於windows平台中wxMBConv_win32實現可參考 strconv.cpp 中的實現，主要實現了 MB2WC 和 WC2MB 兩個介面，功能說明可以參考wxMBConv類的介面定義：

1. MB2WC：用於實現從multibyte encoding 到 Unicode的轉換，也就是GBK到UTF-16的轉換；具體的實現就是調用win32API MultiByteToWideChar 函數執行字元集的轉換
2. WC2MB：與上一個相反，用於實現 Unicode 到 multibyte encoding的轉換；具體的實現是調用 WideCharToMultiByte 函數執行字元集的轉換。

對於Unix平台，實際上時調用的mbstowcs()和wcstombs()實現的轉換，這兩個函數是標準C庫函數，這兩個函數的實現與當前系統的locale息息相關，手冊上明確說明這兩個函數的行為依賴 LC_CTYPE 值，至於具體的實現，可以參考locale相關的文檔。

wxWidgets源碼分析(9) - wxString