1.3.Работа со строками

Примеры преобразования строк символов в различные форматы представления см. в MSDN:

ms-help://MS.VSCC.v80/MS.MSDN.v80/MS.VisualStudio.v80.en/dv_vcmcpp/html/e7e4f741-3c82-45f0-b8c0-1e1e343b0e77.htm

Эту ссылку надо поместить в элемент ввода URL в окне MSDN.

Очень хорошо различные кодировки символов и обработка символов с строк в целом изложены в работе Д.Рихтера и Назара [«Работа с символами и строками» 8а].

1.3.1.Кодировки и кодовые страницы

Обработка строк (символов) в языке С++ является, как на мой взгляд, одной из самых сложных или, скорее, запутанных задач. Это связано с наличием следующих, как говорят юристы, «отягчающих обстоятельств».

Во-первых, наличие большого числа различных способов определения и обработки строк символов (библиотечных функций и целых классов).

Во-вторых, слабая поддержка кодировки символов кириллицы (здесь имеются ввиду кодировки символов кириллицы в MS DOS и Windows) в инструментальных средствах.

В-третьих, наличие многочисленных кодировок: ASCII (7 или 8 бит), ANSI (8 бит), Multibyte Character Sets (MBCSs – 16 бит), Unicode (UTF-7, UTF-8,UTF-16,UTF-32, UTF-32 Big-Endian).

Терминология. Ucs Transformation Format (UTF) – формат преобразования UCS. Universal Character Set (UCS) – универсальный набор символов ISO 10646, надмножество Unicode, имеет 31-битовое кодовое пространство.

Для справки. Найти кодовые страницы (CP – code page) и их краткую характеристику можно в MSDN (MVS-2005) по индексу Encoding class→About encoding class. Некоторые кодовые страницы приведены в табл. 2. Символ * в столбце «Примечание» означает, что кодовая страница непосредственным образом поддерживается инфраструктурой .NET вне зависимости от базовой платформы.

Таблица 2

Краткая характеристика некоторых кодовых страниц

Code Page (кодовая страница)	Name (имя)	Display Name (полное имя)	Примечание
850	ibm850	Western European (DOS)
852	ibm852	Central European (DOS)
855	IBM855	OEM Cyrillic
866	cp866	Cyrillic (DOS)
1149	IBM01149	IBM EBCDIC (Icelandic-Euro)
1250	windows-1250	Central European (Windows)
1251	windows-1251	Cyrillic (Windows)
1252	Windows-1252	Western European (Windows)	*
10017	x-mac-ukrainian	Ukrainian (Mac)
20127	us-ascii	US-ASCII	*
20866	koi8-r	Cyrillic (KOI8-R)
21866	koi8-u	Cyrillic (KOI8-U)
28591	iso-8859-1	Western European (ISO)	*
28592	iso-8859-2	Central European (ISO)
28595	iso-8859-5	Cyrillic (ISO)
65000	utf-7	Unicode (UTF-7)	*
65001	utf-8	Unicode (UTF-8)	*
65005	utf-32	Unicode (UTF-32)

Если Вы хотите в своем программном коде разобраться с тем, какое число байт занимает символ или переменная какого-либо символьного типа, воспользуйтесь операцией sizeof. Например, в консольном приложении (среда MVS-2005) это можно сделать так:

cout<<sizeof (char) <<endl; //выводит 1

cout<<sizeof (TCHAR) <<endl; /*выводит 2 или 1 в зависимости от

выбранной кодировки */

cout<<sizeof (wchar_t)<<endl; //выводит 2

cout<<sizeof ('a') <<endl; //выводит 1