如果 Unicode 数据被解析为多字节，程序会崩溃吗？答案

【问题标题】：Will program crash if Unicode data is parsed as Multibyte?如果 Unicode 数据被解析为多字节，程序会崩溃吗？
【发布时间】：2016-09-19 03:46:44
【问题描述】：

好吧，基本上我要问的是：

假设我在启用 unicode 的路径上使用 PathFindFileNameA。我通过GetModuleFileNameA 获得了这个路径，但是由于这个api 不支持unicode 字符（例如意大利语字符），它会在系统路径的那部分输出垃圾字符。

假设x代表文件路径中的垃圾字符，如：

C:\Users\xxxxxxx\Desktop\myfile.sys

我假设PathFindFileNameA 只是用strtok 解析字符串，直到遇到最后一个\\，然后在给定str_length - pos_of_last \\ 的预分配缓冲区中输出剩余部分。

问题是，PathFindFileNameA 是否会正确解析字符串，即使它遇到来自失败的 unicode 转换的垃圾字符（因为调用了多字节 API 倒数），还是会使程序崩溃？

不要回答诸如“使用MultiByteToWideChar”或“使用广泛版本的API”之类的问题。我在问一个具体的问题，如果有具体的答案，我们将不胜感激。

谢谢！

【问题讨论】：

文档没有说你可以这样做，所以你应该认为它是不安全的。
@HarryJohnston 公平地说，文档并没有提及很多事情。但我会相信你的话。
系统使用 Unicode 数据。为什么你不能？你还支持 Windows 98 吗？
我不知道为什么你认为有人会建议你应该“使用MultiByteToWideChar” 或“使用宽字符”。您的具体问题的答案是 PathFindFileNameA 将从这个损坏的 ANSI 字符串中返回 "myfile.sys"："C:\Users\??????\Desktop\myfile.sys" ? 字符只是 ? 字符，它可以替代无法表示的字符.
您的问题包含太多不准确之处，无法回答。一方面，您的问题标题与您提出的问题不匹配。您的描述并不表明您的编码不匹配。（此外，除了 UTF-32 之外，所有 Unicode 编码都是多字节的。）Microsoft 所称的 MBCS 可以对 ASCII 范围之外的字符进行编码。代码页 1252 (Latin 1) 确实包含意大利字符。不清楚您为什么认为 GetModuleFileNameA 会输出 垃圾字符 - 它不会输出任何内容。

【解决方案1】：

为什么你认为 Windows API 只做 strtok？以前听说在win10发布之前，所有的xxA API都会重定向到xxW API。

我认为这个问题的答案很简单。只需编写一个简单的程序，然后将代码页设置为您想要的。运行该程序，答案就出来了。

P.S.：我个人认为 GetModuleFileNameA 即使有垃圾字符也能正常工作，因为 Windows 会在内部将图像名称存储为 UNICODE_STRING。即使你使用 MBCS，垃圾代码也不包含零字节，它会照常工作，因为它只是使用 strncpy。

对不起我的最后一个答案:)

【讨论】：

呃，Windows 10 发生了什么变化？他们最终消除了 ANSI API 吗？此外，个别程序不设置自己的代码页。如果您调用 ANSI API，您将获得系统代码页。
@CodyGray 在 Win10 之前，我们可以简单地在 Unicode API 上设置断点。但是听说在win10下，这个招就不行了。很多人认为这些 ANSI 系列 API 最终会分离。
@cod：从 Windows 10 1903 开始，微软似乎正在重新利用 ANSI API 来引入 UTF-8 支持。Use the UTF-8 code page 对此有一些暗示。我没有关于如何在内部实施的信息。内核本身不太可能理解 UTF-8，所以我假设仍然涉及转换。