Блог

Delphi 2009 изменил тип строки, чтобы использовать 2 байта для представления символа, что позволяет поддерживать наборы символов unicode. Теперь, когда вы получаете размер(строка), вы получаете длину(строка) * размер(символ) . Размер(символ) в настоящее время равен 2.

Меня интересует, знает ли кто-нибудь способ, с помощью которого по символам можно определить, поместится ли он в один байт, например, выяснить, является ли символ ascii или Unicode.

Что меня в первую очередь интересует, так это до того, как моя строка отправится в базу данных (oracle, Documentum), сколько байтов строка будет израсходована.

Нам нужно иметь возможность применять ограничения перед началом и в идеале (поскольку у нас большая установленная база) без необходимости изменять базу данных. Если строковое поле содержит 12 байт, в delphi 2009 строка длиной 7 всегда будет отображаться как 14 байт, даже если после того, как она попадет в бд, она будет использовать только 7, если ascii, или 14, если двойной байт, или где-то между ними, если смесь.

Вы могли бы проверить значение символа:

 if ord(c) < 128 then
    // is an ascii character
 

Прежде всего, имейте в виду, что длина вашей базы данных действительно может быть в символах, а не в байтах — вам придется проверить документацию для типа данных. Я собираюсь предположить, что это действительно последнее для целей вопроса.

Количество байтов, которое будет использоваться вашей строкой, полностью зависит от кодировки символов, с которой она будет храниться. Если это UTF-16, строковый тип по умолчанию в Delphi, то он всегда будет составлять 2 байта на символ, исключая суррогаты.

Однако наиболее вероятной кодировкой, если предположить, что база данных использует кодировку Unicode, является UTF-8. Это кодировка переменной длины: для символов может потребоваться от 1 до 4 байт, в зависимости от символа. Вы можете увидеть диаграмму в Википедии о том, как отображаются диапазоны.

Однако, если вы вообще не меняете схему базы данных, это должно означать одно из трех:

1. В настоящее время вы храните все в двоичном виде, а не в текстовом виде (обычно это не лучший выбор).
2. База данных уже хранит Юникод и подсчитанные символы, а не байты (в противном случае у вас сейчас была бы проблема, особенно в случае букв с ударением).
3. База данных хранится в однобайтовой кодовой странице, такой как Windows-1252, что вообще не позволяет хранить данные в Юникоде (что делает это проблемой, поскольку символы будут храниться так же, как и раньше, хотя вы не можете использовать Юникод).

Я не знаком с Oracle, но если вы посмотрите на MSSQL, у них есть два разных типа данных: varchar и nvarchar. Varchar считается в байтах, а nvarchar-в символах, поэтому он подходит для Юникода. MySQL, с другой стороны, имеет только varchar, и он всегда учитывается в символах (начиная с 4.1). Поэтому вам следует проверить документацию Oracle и схему вашей базы данных, чтобы получить решающий ответ о том, является ли это проблемой вообще.

Если вы не хотите использовать Юникод в Delphi 2009, вы можете использовать тип AnsiString. Но почему ты должен это делать?

Громоздким, но верным тестом может быть:

 function IsAnsi(const AString: string): Boolean;
var
  tempansi : AnsiString;
  temp : string;
begin
  tempansi := AnsiString(AString);
  temp := tempansi;
  Result := temp = AString;
end;
 

Вы можете использовать функцию StringElementSize, чтобы узнать, является ли строка Юникодом или ANSI. Чтобы проверить, является ли символ ANSI, используйте TCharacter.Функция класса IsAnsi в единице Character.pas.