Discussion :

[stephdim]

Bonjour,

Sur mon projet MFC (VS2005), je manipule des chaines de caractères de type TCHAR. Donc, suivant l'option de compilation, c'est soit du SBCS, du MBCS ou de l'UNICODE. Bien que je n'envisage de faire la compilation qu'en UNICODE, mon application est compatible avec ces trois codages.

J'utilise des fonctions qui n'acceptent que de l'UNICODE en paramètre (des fonctions GDI+ pour être précis), donc je fais une conversion à la volée (en utilisant un CStringW par exemple)

Sur certaines fonctions, j'ai besoin de manipuler des index sur les caractères d'une chaine. Et comme il y a une conversion qui est effectuée vers l'UNICODE, si je suis en SBCS ou en MBCS, ces index ne sont plus valables.

J'ai donc besoin de 'mapper' ces index, dans un sens, puis dans l'autre, de la conversion.

Est ce qu'on peut dire :

- un caractère SBCS (un CHAR) = 1 WCHAR uniquement
- un caractère MBCS (un ou deux CHAR, puisque la CRT ne gère que le DBCS) = 1 WCHAR uniquement

dans ce cas là, faire correspondre les index est assez trivial, puisque c'est le nombre de caractères.

mais comme la fonction MultiByteToWideChar, et sa réciproque WideCharToMultiByte, sont UTF-16 et non UCS-2, j'ai des doutes ...

bien que la fonction wctomb de la CRT me fait penser qu'il y a uniquement 1 WCHAR pour un caractère MBCS, car voici sa signature:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
int wctomb(
   char *mbchar,
   wchar_t wchar 
);

idem pour la réciproque mbtowc, qui ne fournit qu'un WCHAR

Est-ce que mon raisonnement est valide ?

Merci d'avance

@+

[Médinoc]

Je connaissant pas les charsets DBCS de Windows, je ne saurais quoi te répondre.
Mais je ne vois pas ce qui empêcherait qu'une page de codes DBCS contienne des caractères hors du Basic Multilingual Plane... sauf peut-être si toutes les pages DBCS ont été créées avant que Windows supporte l'UTF-16 (ça doit pouvoir se vérifier quelque part).

En supposant ceci, tes suppositions doivent être bonnes. Alors, ceci devrait t'aider:
_mbclen, mblen, _mblen_l

PS: En partant de ce principe, on arriverait à la conclusion que seul le jeu de caractères UTF-8 (qui n'est supporté que par les fonctions de conversions et rien d'autre, parce qu'il n'est pas DBCS) peut donner plusieurs WCHAR pour le même caractère...

[stephdim]

a priori, seul l'UTF-8 peut donner de l'UTF-16, sinon tout le reste serait de l'UCS-2, concernant le SBCS et le DBCS, comme tu l'as dit.

on peut le voir aussi dans les vieilles macros de conversion de l'ATL (A2W par exemple), qui alloue le buffer pour la conversion comme si 1 caractère DBCS = 1 WCHAR au final ...

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
#define A2W(lpa) (\
	((_lpa = lpa) == NULL) ? NULL : (\
		_convert = (lstrlenA(_lpa)+1),\
		(INT_MAX/2<_convert)? NULL :  \
		ATLA2WHELPER((LPWSTR) alloca(_convert*sizeof(WCHAR)), _lpa, _convert, _acp)))

si 1 caractère SBCS ou DBCS donnait plusieurs WCHAR, il y aura clairement un dépassement de buffer ...

ah ces chaines de caractères ... quel casse tête !!!

merci medinoc pour la réponse

[Médinoc]

D'un autre côté, j'éviterais de faire trop confiance aux vieilles macros: Je connais un posteur ici qui a eu des ennuis à cause d'alloca().

À part ça, tu devrais être safe.