这是一篇关于UE中字符串操作的文章

字符串 String

TCHAR 到底是个什么东西？

为什么字符串字面量要包一层 TEXT(“”)宏？

TEXT(““)里字符串出来L”“为什么前面有L

Unicode 编码

“字符编码”是指可打印“字符” 与 “存储字节序列” 之间的映射关系。（ASCII/GBK/UTF8/UTF16 等）
“Unicode 编码”将这个映射过程拆分为两部分：Codepoint 映射 + 字节转换格式。
“Codepoint 映射”是指可打印“字符” 与 uint32 数字之间的映射关系，这个 uint32 数字称为 Codepoint。
“字节转换格式”是指将 Codepoint 转换为 “存储字节序列”的具体转换方法。
“UTF8”全称是“Unicode Transformation Format - 8 bits”。
UTF8 这个名称包含两个信息，一是使用 Codepoint 映射，二是定义了转换方法。

“A”和“好”这两个字符在各种编码下的数值表示如下：

字符	ASCII	Unicode 的 Codepoint	UTF8 编码字节	UTF16 编码	GBK 的 Codepoint	GBK 编码字节
A	65	65	0x41	0x0041	65	0x41
好	无	22909	0xE5 0xA5 0xBD	0x597D	50106	0xBA 0xC3

字符类型

“存储字节序列” 共有三种：单字节序列、双字节序列、四字节序列。
UE 中: ANSICHAR 是 char，WIDECHAR 是双字节版本，TCHAR 默认定义是 WIDECHAR。

三种字节序列在各个平台对应的数据类型如下：（最后一行为对应的编码格式）

平台	单字节	双字节	四字节
Windows:	char	wchar_t	char32_t
Linux:	char	char16_t	wchar_t
MacOSX:	char	char16_t	wchar_t
字符编码	ASCII/UTF8	UTF16	UTF32

几种数据类型对应的字面量前缀如下：

编码	类型	字面量前缀	代码示例
ASCII	char	无	“Hello”
UTF8	char	u8	u8”World”
UTF16	char16_t	u	u”Nice”
UTF32	char32_t	U	U”Good”
UTF16/UTF32	wchar_t	L	L”Stupid”

由于双字节版本在不同平台对应不同数据类型，这导致需要不同的字面量前缀，因此UE4需要使用TEXT宏包装一下字符串字面量：

// If we don't have a platform-specific define for the TEXT macro, define it now.
#if !defined(TEXT) && !UE_BUILD_DOCS
    #if PLATFORM_TCHAR_IS_CHAR16
        #define TEXT_PASTE(x) u ## x
    #else
        #define TEXT_PASTE(x) L ## x
    #endif
        #define TEXT(x) TEXT_PASTE(x)
#endif

看 UE 源码注释中说明设计之初是 TCHAR 可以在 ANSICHAR 和 WIDECHAR 之间任意切换，然而实际引擎中某些地方默认 TCHAR 是 2 字节，不再支持切 ANSICHAR，例如：

TEXT 宏
ByteSwap、FStringView
TStringBuilder/TAnsiStringBuilder: 直接不提供 Wide 版本

对于双字节和四字节，自然存在一个字节序的问题，UE4默认使用小端模式，Unicode编码的文件开头可以有一个BOM前缀，这个前缀就是来记录对应编码的大小端信息：

字符串相关工具

都还没用过，有时间试试

FStringView/FAnsiStringView/FWideStringView: 一段字符串的引用。
TStringBuilder/TAnsiStringBuilder: 避免字符串操作过程创建临时字符串。
FChar/FCharAnsi/FCharWide: IsUpper、IsAlpha、IsWhitespace 等判断字符类型的函数。
FCString/FCStringAnsi/FCStringWide: Strcpy、Strcat、Strcmp、Stricmp 等函数，支持是否区分大小写。
UE::String::BytesToHex/HexToBytes: 形如TEXT("43AF")的字符串与字节互转，一个字节放两个 16 进制数。
LexToString/LexFromString: 通用全局模板，理论上支持任意数据结构与 FString 互转。
FStringFormatter: 通过FString::Format来使用，类似FText::Format的功能，同样支持 Array 或 Map 的格式化参数。
ExpressionParser: 通用的表达式解析框架，FStringFormatter、FBasicMathExpressionEvaluator、FUnitConversion、FFrameRateParser 等解析功能都使用这个框架。

操作

1，获取子字符串开始的下标位置

方法一

constexpr FAsciiSet Delimiters = FAsciiSet(".") + (char)SUBOBJECT_DELIMITER_CHAR;
FString InOutName = "taaa/bbb/ccc/ttt/ddd.ttt";
const TCHAR* DelimiterOrEnd = FAsciiSet::FindFirstOrEnd(*InOutName, Delimiters);//子串为 .ttt

const int32 DotIndex = static_cast<int32>(DelimiterOrEnd - *InOutName);//.的下标为20

但是这种不是所有字符都可以这样操作的，原因在此：

template<class CharType>
static constexpr const CharType* FindFirstOrEnd(const CharType* Str, FAsciiSet Set)
{
	for (FAsciiSet SetOrNil(Set.LoMask | NilMask, Set.HiMask); !SetOrNil.Test(*Str); ++Str);

	return Str;
}

可以看到在for循环中对传入的字符串指针进行移位，并返回移位后的字符串指针这样在内存中的差位才是正确的下标，因此如果我们有这样操作得出的两个字符串指针，就可以通过差值计算出子串始位下标

二、TStringBuilder

/** An extendable string builder for TCHAR. */
template <int32 BufferSize> using TStringBuilder = TStringBuilderWithBuffer<TCHAR, BufferSize>;

这是一个用来构建TCHAR类型的字符串的类，可以将任意字符类型的字符串传入并且有各个平台的字符类型转换，看下面这个例子

TStringBuilder<FName::StringBufferSize> PartialName;
PartialName.Append(*InOutName, DotIndex);//FString InOutName = "t/ddd.ttt";int32 DotIndex;

传入DotIndex长度的InOutName串

参考链接

1，UE4基础设施

让我们携手共创奇迹！

目录