Delphi XE - RawByteString 与 AnsiString

Question

我在这里有一个类似的问题： Delphi XE - 我应该使用 String还是 AnsiString？ 。在决定在我的（大型）库中使用 ANSI 字符串是正确的之后，我意识到我实际上可以使用 RawByteString 而不是 ANSI。因为我将 UNICODE 字符串与 ANSI 字符串混合在一起，所以我的代码现在很少有地方可以在它们之间进行转换。然而，看起来如果我使用 RawByteString 我就可以摆脱这些转换。

请让我知道您对此的看法。
谢谢。

---

更新：
这似乎令人失望。看起来编译器仍然进行从 RawByteString 到字符串的转换。

procedure TForm1.FormCreate(Sender: TObject);
var x1, x2: RawByteString;
    s: string;
begin
  x1:= 'a';
  x2:= 'b';
  x1:= x1+ x2;
  s:= x1;              {      <------- Implicit string cast from 'RawByteString' to 'string'     }
end;

我认为它做了一些内部工作（例如复制数据），并且我的代码不会快得多，而且我仍然需要在代码中添加大量类型转换以使编译器保持沉默。

Answer 1

RawByteString 是一个 AnsiString，默认情况下没有设置代码页。

当您将另一个 string 分配给此 RawByteString 变量时，您将复制源 string 的代码页。这将包括转换。对不起。

但是RawByteString还有另一种用途，即存储纯字节内容（例如数据库BLOB字段内容，就像字节数组）

总结一下：

• RawByteString 应该用作方法或函数的“代码页不可知”参数；
• RawByteString 可以用作变量类型来存储一些 BLOB 数据。

如果您想减少转换，并且宁愿在应用程序中使用 8 位字符 string，则最好：

• 不要使用通用 AnsiString 类型，这将取决于当前系统代码页，您将通过它丢失数据；
• 依赖 UTF-8 编码，即一些 8 位代码页/字符集，在从 UnicodeString 转换时不会丢失任何数据；
• 不要让编译器显示关于隐式转换的警告：所有转换都应该是显式的；
• 使用您自己的专用函数集来处理 UTF-8 内容。

这正是我们为框架所做的。我们希望在其内核中使用 UTF-8，因为：

• 我们依赖 UTF-8 编码的 JSON 进行数据传输；
• 内存消耗会更小；
• 使用的SQLite3引擎会将文本作为UTF-8存储在其数据库文件中；
• 我们想要一种在所有版本的 Delphi（从 Delphi 6 到 XE）中处理 Unicode 文本且不会丢失数据的方法，而 WideString 不是一个选择，因为它非常慢，而且您已经得到了隐式转换的同样问题。

但是，为了达到最佳速度，我们编写了一些优化函数来处理自定义字符串类型：

  {{ RawUTF8 is an UTF-8 String stored in an AnsiString
    - use this type instead of System.UTF8String, which behavior changed
     between Delphi 2009 compiler and previous versions: our implementation
     is consistent and compatible with all versions of Delphi compiler
    - mimic Delphi 2009 UTF8String, without the charset conversion overhead
    - all conversion to/from AnsiString or RawUnicode must be explicit }
{$ifdef UNICODE} RawUTF8 = type AnsiString(CP_UTF8); // Codepage for an UTF8string
{$else}          RawUTF8 = type AnsiString; {$endif}

/// our fast RawUTF8 version of Trim(), for Unicode only compiler
// - this Trim() is seldom used, but this RawUTF8 specific version is needed
// by Delphi 2009/2010/XE, to avoid two unnecessary conversions into UnicodeString
function Trim(const S: RawUTF8): RawUTF8;

/// our fast RawUTF8 version of Pos(), for Unicode only compiler
// - this Pos() is seldom used, but this RawUTF8 specific version is needed
// by Delphi 2009/2010/XE, to avoid two unnecessary conversions into UnicodeString
function Pos(const substr, str: RawUTF8): Integer; overload; inline;

并且我们保留了 RawByteString 类型来处理 BLOB 数据：

{$ifndef UNICODE}
  /// define RawByteString, as it does exist in Delphi 2009/2010/XE
  // - to be used for byte storage into an AnsiString
  // - use this type if you don't want the Delphi compiler not to do any
  // code page conversions when you assign a typed AnsiString to a RawByteString,
  // i.e. a RawUTF8 or a WinAnsiString
  RawByteString = AnsiString;
  /// pointer to a RawByteString
  PRawByteString = ^RawByteString;
{$endif}

/// create a File from a string content
// - uses RawByteString for byte storage, thatever the codepage is
function FileFromString(const Content: RawByteString; const FileName: TFileName;
  FlushOnDisk: boolean=false): boolean;

源代码可用 在我们的存储库中。在本单元中，对UTF-8相关功能进行了深度优化，同时提供了pascal和asm版本，以获得更好的速度。我们有时会重载默认函数（例如 Pos）以避免转换，或者有关我们如何在框架中处理文本的更多信息是 可在此处获取。

最后一句话：

如果您确定您的应用程序中只有 7 位内容（无重音字符），则可以使用默认的 AnsiString 输入您的程序。但在这种情况下，您最好在 uses 子句中添加 AnsiStrings 单元，以具有重载的字符串函数，从而避免大多数不需要的转换。

Answer 2

RawByteString仍然是一个“AnsiString”。最好将其描述为“通用接收器”，这意味着它将采用分配时源字符串的代码页，而无需强制进行代码页转换。 RawByteString 的目的是仅用作函数参数，以便您在调用采用 AnsiStrings 的实用程序函数时，不会在具有不同代码页亲和性的 AnsiStrings 之间发生转换。

然而，在上面的例子中，您将本质上是 AnsiString 的内容分配给 UnicodeString，这将导致转换。它必须进行转换，因为 RawByteString 具有基于 8 位的字符的有效负载，而字符串 (UnicodeString) 具有基于 16 位的字符的有效负载。