Unicode in RAD Studio

经过黄叉叉的唆使，我也在家里装上了Delphi2010，一般情况下编译问题不大，但是好多从以前的工程转过来的项目上就有些问题了，经常性的问题就是Unicode的问题！于是网络Google一番，在Delphi的官方站点上发现了Unicode的一些说明，于是大致的翻译记录一下，原文地址：http://docwiki.embarcadero.com/RADStudio/en/Unicode_in_RAD_Studio

在RAD Studio中，基于ANSI -字符串改为基于Unicode字符串：现在的默认情况下，string类型是一个Unicode字符串（UnicodeString）。这个主题将会告诉你如何更好的去处理字符串。

RAD Studio现在完全支持Unicode标准，但是在您的某些涉及到字符串操作部分的代码将会需要一些变动，虽然已经花了很多功夫以使用户进行最低限度的变化！这是新的数据类型的介绍，现有的数据类型和功能仍和以往一样。根据公司内部的Unicode转换的经验，现有的开发应用程序应该比较顺利迁移。

现有的String类型

   预先存在的数据类型 AnsiString 和 WideString 功能与以前一样的方式。

   注意：ShortString最多包含255个字符，字符为单字节数据，且只有一个字符计数，不包含编码页(code page)信息。对于特定应用，ShortString可以包含UTF-8数据，但缺乏普遍性。

此前系统的string实质上是代表AnsiString. 下表是之前AnsiString各字段含义的内存表示格式：

引用计数位置	字符长度位置	字符数据开始位置	控制符\0结尾
偏移-8	偏移-4	偏移0	长度

在RAD Studio中,AnsiString格式已经发生改变，新加入了两个字段(fields)，分别是“编码页”字段和“元素大小”字段(CodePage and ElemSize)。从而使得AnsiString表示格式与新的UnicodeString类型完全兼容。

WideString

WideString之前用于Unicode字符数据。其格式本质上与Windows BSTR完全一样。 WideString仍旧适用于COM应用。

新String类型：UnicodeString

     在RAD Studio中，新的默认string类型是UnicodeString类型。

     在Delphi中，Char和Pchar类型分别为WideChar和PwideChar。

     注意：2009之前的版本，string代表AnsiString，而Char和Pchar类型分别为AnsiChar和PansiChar，此一区别，需要特别注意。

在C++中，_TCHAR映射到一个可选的浮动兴致的定义_TCHAR可以作为 wchart_t 也可以是 Char

VCL中限制使用的是UnicodeString类型，它不再是单字节或MBCS字符串的字符串值。

现在的UnicodeString的内存存储格式为：

代码页位置	元素尺寸位置	代码页位置	长度位置	字符数据开始位置	Null Term
-12	-10	-8	-4	0	长度*元素尺寸

UnicodeString可用下面的Object Pascal结构来表示：

type StrRec = record
      CodePage: Word;
      ElemSize: Word;
      refCount: Integer;
      Len: Integer;
      case Integer of
          1: array[0..0] of AnsiChar;
          2: array[0..0] of WideChar;
end;

UnicodeString加入了“编码页”和“元素大小”二字段来说明string内容。UnicodeString与所有其它string类型赋值兼容(is assignment compatible with all other string types)。但是，在AnsiString和UnicodeString之间的赋值仍然会出现“往上转换”或“朝下转换”(still do the appropriate up or down conversions)。应注意，不建议将UnicodeString类型赋值给AnsiString类型，这可能导致数据丢失。

还应注意AnsiString也包含了CodePage和ElemSize二字段。

UnicodeString在UTF-16里边，有如下理由：