Question

我在Windows 8上遇到了一个有趣的问题。我测试过我可以使用wchar_t *字符串表示不在BMP中的Unicode字符。以下测试代码为我带来了意想不到的结果：

const wchar_t* s1 = L"a";
const wchar_t* s2 = L"\U0002008A"; // The "Han" character

int i1 = sizeof(wchar_t); // i1 == 2, the size of wchar_t on Windows.

int i2 = sizeof(s1); // i2 == 4, because of the terminating '\0' (I guess).
int i3 = sizeof(s2); // i3 == 4, why?

U + 2008A是Han character，它不在二进制多语言窗格中，所以应该用UTF-16中的代理对来表示。这意味着 - 如果我理解正确 - 它应该由两个wchar_t字符表示。所以我期望sizeof（s2）为6（代理对的两个wchar_t-s为4，终止\ 0为2）。

那么为什么sizeof（s2）== 4？我测试了s2字符串是否已正确构造，因为我使用DirectWrite渲染它，汉字字符显示正确。

更新：正如Naveen指出的那样，我试图错误地确定数组的大小。以下代码生成正确的结果：

const wchar_t* s1 = L"a";
const wchar_t* s2 = L"\U0002008A"; // The "Han" character

int i1 = sizeof(wchar_t); // i1 == 2, the size of wchar_t on Windows.

std::wstring str1 (s1);
std::wstring str2 (s2);

int i2 = str1.size(); // i2 == 1.
int i3 = str2.size(); // i3 == 2, because two wchar_t characters needed for the surrogate pair.

Answer 1

sizeof(s2)返回存储指针s2或任何其他指针所需的字节数，即系统上的4个字节。它与s2指向的中存储的~~字符无关。~~

Answer 2

sizeof(wchar_t*)与sizeof(void*)相同，换句话说就是指针本身的大小。在32位系统上总是4，在64位系统上总是8。您需要使用wcslen()或lstrlenW()代替sizeof()：

const wchar_t* s1 = L"a"; 
const wchar_t* s2 = L"\U0002008A"; // The "Han" character 

int i1 = sizeof(wchar_t); // i1 == 2
int i2 = wcslen(s1); // i2 == 1
int i3 = wcslen(s2); // i3 == 2

Answer 3

答案的附录。
RE：通过i1和i2，i3解开问题更新中使用的不同单位。

i1值为2是字节中的大小 i2值为1是 wchar_t 中的大小，IOW为4个字节（假设sizeof(wchar_t)为4）。
i3值为2是 wchar_t 中的大小，IOW 8字节

Windows上代理项对（BMP中的Unicode字符）的wchar_t *大小

3 个答案: