Delphi Unicode字符串上的Length（）与Sizeof（）

引用Delphi XE8帮助：

对于单字节和多字节字符串，Length返回字符串使用的字节数。UTF-8的示例：

   Writeln(Length(Utf8String('1¢'))); // displays 3

对于Unicode（WideString）字符串，Length返回字节数除以2

这就产生了一些重要问题：

为什么在处理上会有差异呢

为什么Length（）不执行预期的操作，在某些情况下只返回参数的长度（如元素计数），而不是以字节为单位给出大小

为什么它会声明它将Unicode（UTF-16）字符串的结果除以2？AFAIK UTF-16最多为4字节，因此这将给出不正确的结果

---

Length

返回将字符串视为数组时的元素数

• 对于具有8位元素类型（ANSI、UTF-8）的字符串，

  Length

  提供字节数，因为字节数与元素数相同
• 对于具有16位元素（UTF-16）的字符串，则

  长度

  是字节数的一半，因为每个元素的宽度为2字节

字符串“1■”有两个代码点，但第二个代码点需要两个字节才能用UTF-8编码。因此

长度（Utf8String（'1×'））

计算为三

您在问题标题中提到了

SizeOf

。将字符串变量传递给

SizeOf

将始终返回指针的大小，因为字符串变量在引擎盖下只是一个指针

对于您的具体问题：

为什么在处理上会有差异呢

如果将

长度

视为与字节相关，则两者之间只有一个区别。但这是错误的想法，因为

Length

总是返回一个元素计数，这样看时，所有字符串类型以及所有数组类型的行为都是一致的

为什么Length（）不执行预期的操作，在某些情况下只返回参数的长度（如元素计数），而不是以字节为单位给出大小

它总是返回元素计数。当元素大小为单个字节时，元素计数和字节计数恰好相同。事实上，您参考的文档在您提供的摘录上方还包含以下内容：返回字符串中的字符数或数组中的元素数。这是关键文本。您所包含的摘录旨在说明此斜体文本的含义

为什么它会声明它将Unicode（UTF-16）字符串的结果除以2？AFAIK UTF-16最多为4字节，因此这将给出不正确的结果

UTF-16字符元素总是16位宽。但是，某些Unicode代码点需要两个字符元素进行编码。这些字符元素对称为代理项对

---

我认为，您希望

Length

将返回字符串中的代码点数。但事实并非如此。它返回字符元素的数量。对于可变长度编码，代码点的数量不一定与字符元素的数量相同。如果字符串编码为UTF-32，那么代码点的数量将与字符元素的数量相同，因为UTF-32是一种恒定大小的编码

计算代码点的一种快速方法是扫描字符串检查代理项对。遇到代理项对时，请计算一个代码点。否则，当遇到不属于代理项对的字符元素时，请计算一个代码点。在伪代码中：

N := 0;
for C in S do
  if C.IsSurrogate then
    inc(N)
  else
    inc(N, 2);
CodePointCount := N div 2;

另一点是，代码点计数与可见字符计数不同。某些代码点组合字符，并与其相邻的代码点组合以形成单个可见字符或图示符

最后，如果您只希望找到字符串有效负载的字节大小，请使用以下表达式：

Length(S) * SizeOf(S[1])

此表达式适用于所有类型的字符串

---

对函数要非常小心。从表面上看，这似乎正是你想要的。但是，该函数返回UTF-16编码字符串的字节长度。因此，如果你给它传递一个

AnsiString

，那么

bytellength

返回的值是

AnsiString

的字节数的两倍看看我问题中的代码。“1■”只有两个字符长，但输出仍然是3。@ZzZombo没错。您有两个代码点，但UTF-8编码字节数组的长度为3。

length（s）*SizeOf（s[1]）

提供字符串占用的字节数。@ZzZombo不要这样做！这将涉及无意义的堆分配。使用我之前评论中的简单表达式。否。空字符串也可以。然后返回

0

SizeOf（）

在编译时进行计算。try

lenibytes:=Length（UTF8Encode（'ССааа'））

或

var u8:UTF8String；u8:=“Сааа”；I:=Length（u8）

-不带typecastI写这篇文章是因为它是用编码的名字写的，编码一个字符需要多少钱。我把它和另一种编码搞混了。我还原了你所有的编辑。主要是因为我不想一直更新我的答案来匹配！；-）不管怎样，我想很明显你现在已经掌握了一切。这个问题很好。我们不能让它保持原样吗。