Kích thước của wchar_t * cho cặp thay thế (Unicode ký tự trong BMP) trên Windows

Question

Tôi đã gặp phải một vấn đề thú vị trên Windows 8. Tôi đã thử nghiệm Tôi có thể đại diện cho các ký tự Unicode được ra khỏi BMP với chuỗi wchar_t *. Các mã kiểm tra sau sản xuất kết quả bất ngờ đối với tôi:

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 là Han character, đó là ra khỏi nhị phân đa ngôn ngữ Pane, vì vậy nó cần được đại diện bởi một cặp thay thế trong UTF-16. Có nghĩa là - nếu tôi hiểu nó một cách chính xác - rằng nó phải được đại diện bởi hai nhân vật wchar_t. Vì vậy, tôi mong đợi sizeof (s2) là 6 (4 cho hai wchar_t-s của cặp thay thế và 2 cho kết thúc \ 0).

Vậy tại sao sizeof (s2) == 4? Tôi đã kiểm tra chuỗi s2 đã được xây dựng chính xác, bởi vì tôi đã kết xuất nó với DirectWrite và ký tự Hán đã được hiển thị chính xác.

CẬP NHẬT: Như Naveen đã chỉ ra, tôi đã cố xác định kích thước của các mảng không chính xác. Đoạn mã dưới đây tạo ra kết quả chính xác:

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) trả về số byte cần thiết để lưu trữ các con trỏ s2 hoặc bất kỳ con trỏ khác, đó là 4 byte trên hệ thống của bạn. Nó không liên quan gì đến (các) ký tự được lưu trữ trong được trỏ đến bởi s2.

Answer 2

sizeof(wchar_t*) giống với sizeof(void*), nói cách khác là kích thước của con trỏ. Điều đó sẽ luôn luôn 4 trên một hệ thống 32-bit, và 8 trên một hệ thống 64-bit. Bạn cần phải sử dụng wcslen() hoặc lstrlenW() thay vì 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

Phụ lục của câu trả lời.
RE: để làm sáng tỏ các đơn vị khác nhau được sử dụng trong bản cập nhật câu hỏi của i1 và i2, i3.

i1 giá trị của 2 là kích thước trong byte
i2 giá trị là 1 là kích thước trong wchar_t, IOW 4 byte (giả sử sizeof(wchar_t) là 4).
i3 giá trị của 2 là kích thước trong wchar_t, IOW 8 byte