Delphi Unicode 字符串长度(以字节为单位)

Question

我正在致力于将一些 Delphi 7 代码移植到 XE4，因此，unicode 是这里的主题。

我有一个将字符串写入 TMemoryStream 的方法，因此根据 this embarcadero article ，我应该将字符串的长度(以字符为单位)乘以 Char 类型的大小，以获得 WriteBuffer 的长度(以字节为单位)参数所需的长度(以字节为单位)。

所以之前:

rawHtml : string; //AnsiString
...
memorystream1.WriteBuffer(Pointer(rawHtml)^, Length(rawHtml);

之后:

rawHtml : string; //UnicodeString
...
memorystream1.WriteBuffer(Pointer(rawHtml)^, Length(rawHtml)* SizeOf(Char));

我对Delphi的UnicodeString类型的理解是它内部是UTF-16。但我对 Unicode 的一般理解是，并不是所有的 Unicode 字符都可以用 2 个字节来表示，某些极端情况下的外来字符将占用 4 个字节。 Another of embarcadero's articles似乎证实了我的怀疑，“事实上，一个 Char 等于两个字节并不总是正确的!”

所以......这让我想知道 Length(rawHtml)* SizeOf(Char) 是否真的足够强大以始终准确，或者是否有更好的方法来确定大小哪个字符串会更准确？

Answer 1

Delphi 的 UnicodeString 使用 UTF-16 编码。 UTF-16 是一种可变长度编码，就像 UTF-8 一样。换句话说，单个 Unicode 代码点可能需要多个字符元素对其进行编码。有趣的是，唯一的固定长度 Unicode 编码是 UTF-32。 UTF-16 编码使用 16 位字符元素，因此得名。

在 Unicode Delphi 中，Char 是 WideChar 的别名，后者是 UTF-16 字符元素。 string 是 UnicodeString 的别名，它是 WideChar 元素的数组。 Length() 函数返回数组中的元素数量。

因此，UnicodeString 的 SizeOf(Char) 始终为 2。某些 Unicode 代码点使用多个字符元素或 Char 进行编码。但Length()返回字符元素的数量，而不是代码点的数量。字符元素都具有相同的大小。所以

memorystream1.WriteBuffer(Pointer(rawHtml)^, Length(rawHtml)* SizeOf(Char));

正确。