Character and string types/es: what changed

Revision 3 to 4. Removed lines have a minus sign; added lines have a plus sign.

Old	New		Line
1	1		Free Pascal soporta varios tipos de [[Char\|character]] and [[String\|string]]. Estos van desde simples caracteres ANSI a cadenas UNICODE y además incluye los tipos puntero. Las diferencias también se aplican a las codificaciones y reference counting.
2	2
3	3		## AnsiChar
4	4
5	5		Un tipo de variable AnsiChar , también referenciado como char , es exactamente de 1 byte de tamaño, y contiene un carácter ANSI.
6	6
7		-	a
8		-	~~---~~
9		-
	7	+	\| a \|
	8	+	\|---\|
	9	+
10	10		#### Referencia
11	11
12	12		* [Documentación FPC sobre AnsiChar](<http://www.freepascal.org/docs-html/ref/refsu7.html>)
13	13		* [[Char\|Uso de Char]]
14	14
15	15		## WideChar
16	16
17	17		Una variable de tipo WideChar , también referenciada como UnicodeChar , es exactamente de 2 bytes de tamaño, y contieen un (parte de) [[LCL Unicode Support\|Unicode]] character in UTF-16 encoding. Nota: es imposible codificar todos los puntos codificables Unicode con 2 bytes. Therefore, se pueden necesitar 2 WideChars para codificar un solo code point.
18	18
19		-	~~\| a~~
20		-	~~---\|---~~
21		-
	19	+	\| \| a \|
	20	+	\|---\|---\|
	21	+
22	22		#### Referencias
23	23
24	24		* [Documentación FPC sobre WideChar](<http://www.freepascal.org/docs-html/ref/refsu8.html>)
25	25		* [Información sobre UTF-16 en la Wikipedia](<https://en.wikipedia.org/wiki/UTF-16>)
26	26		* [RTL Documentación UnicodeChar](<http://lazarus-ccr.sourceforge.net/docs/rtl/system/unicodechar.html> "doc:rtl/system/unicodechar.html")
27	27
28	28		## Martriz de caracteres (Array of Char)
29	29
30	30		Las implementaciones tempranas de Pascal existentes antes de 1978 no soportaba el tipo string (con la excepción de las constantes cadena). La única posibilidad de almacenar cadenas en variables era utilizar matrices de caracteres (array of char). Esta aproximación tiene bastantes desventajas y se desaconseja su uso. Se soporta todavía para asegurar la compatibilidad con código antiguo.
31	31
32	32		### Matriz estática de Char
33	33		```
34	34		type
35	35		TOldString4 = array[0..3] of char;
36	36		var
37	37		aOldString4: TOldString4;
38	38		begin
39	39		aOldString4[0] := 'a';
40	40		aOldString4[1] := 'b';
41	41		aOldString4[2] := 'c';
42	42		aOldString4[3] := 'd';
43	43		end;
44	44		```
45	45
46	46		La matriz estática de caracteres tiene ahora el siguiente contenido:
47	47
48		-	~~a \| b \| c \| d~~
49		-	~~---\|---\|---\|---~~
50		-
	48	+	\| a \| b \| c \| d \|
	49	+	\|---\|---\|---\|---\|
	50	+
51	51		[![Note-icon.png](/wiki-images/b/be/Note-icon.png)](</File:Note-icon.png>)
52	52
53	53		Nota: Los chars no asignados pueden tener cualquier contenido, dependiendo de lo que exista en ese área de memoria cuando se haga disponible la matriz.
54	54
55	55		### Matriz dinámica de Char
56	56		```
57	57		var
58	58		aOldString: Array of Char;
59	59		begin
60	60		SetLength(aOldString, 5);
61	61		aOldString[0] := 'a';
62	62		aOldString[1] := 'b';
63	63		aOldString[2] := 'c';
64	64		aOldString[3] := 'd';
65	65		end;
66	66		```
67	67
68	68		La matriz dinámica de caracteres tiene ahora el siguiente contenido:
69	69
70		-	~~a \| b \| c \| d \| #0~~
71		-	~~---\|---\|---\|---\|---~~
72		-
	70	+	\| a \| b \| c \| d \| #0 \|
	71	+	\|---\|---\|---\|---\|---\|
	72	+
73	73		[![Note-icon.png](/wiki-images/b/be/Note-icon.png)](</File:Note-icon.png>)
74	74
75	75		Nota: los Chars no asignados en matrices dinámicas tienen como contenido #0, causando que todas las posiciones vacias de las matrices dinámicas sean inicializados al principio con 0 (o #0, o nil, o ...)
76	76
77	77		## PChar
78	78
79	79		Una variable de tipo PChar es básicamente un puntero a un tipo Char , pero que permite operaciones adicionales. Pchars se pueden utilizar para acceder al estilo C [null-terminated strings](<http://en.wikipedia.org/wiki/Null-terminated_string>), e.g. en interacciones con ciertas librerías del Sistema Operativo o en software de terceros.
80	80
81		-	~~a \| b \| c \| #0~~
82		-	~~---\|---\|---\|---~~
83		-	^
84		-
	81	+	\| a \| b \| c \| #0 \|
	82	+	\|---\|---\|---\|---\|
	83	+	\| ^ \| \| \| \|
	84	+
85	85		#### Referencia
86	86
87	87		* [Documentación en FPC sobre PChar](<http://www.freepascal.org/docs-html/ref/refsu16.html>)
88	88		* [Funciones relacionadas con PChar](<http://lazarus-ccr.sourceforge.net/docs/rtl/sysutils/pcharfunctions.html> "doc:rtl/sysutils/pcharfunctions.html")
89	89
90	90		## PWideChar
91	91
92	92		A variable of type PWideChar is a pointer to a WideChar variable.
93	93
94		-	~~\| a \| \| b \| \| c \| #0 \| #0~~
95		-	~~---\|---\|---\|---\|---\|---\|---\|---~~
96		-	^
97		-
	94	+	\| \| a \| \| b \| \| c \| #0 \| #0 \|
	95	+	\|---\|---\|---\|---\|---\|---\|---\|---\|
	96	+	\| ^ \| \| \| \| \| \| \| \|
	97	+
98	98
99	99
100	100		## Texto de encabezado
101	101
102	102		#### Referencia
103	103
104	104		* [Documentación en la RTL sobre PWideChar](<http://lazarus-ccr.sourceforge.net/docs/rtl/system/pwidechar.html> "doc:rtl/system/pwidechar.html")
105	105
106	106		## String
107	107
108	108		El tipo String puede hacer referencia a ShortString o AnsiString , dependiendo del [{$H} interruptor](<http://www.freepascal.org/docs-html/prog/progsu25.html#x32-310001.2.25>). Si el interruptor está en off ({$H-}) entonces cualquier declaración de string se definirá como ShortString. El tamaño será de 255 caracteres, si no está especificado de otro modo. Si el interruptor está en on ({$H+}) un string sin especificación de tamaño será definido como un AnsiString , caso contrario (especificando el tamaño) será definido como ShortString con el tamaño especificado. En mode delphiunicode String es UnicodeString.
109	109
110	110		#### Reference
111	111
112	112		* [[String\|Usage String]]
113	113		* [String functions](<http://lazarus-ccr.sourceforge.net/docs/rtl/sysutils/stringfunctions.html> "doc:rtl/sysutils/stringfunctions.html")
114	114		* [Reference for unit 'strutils': Procedures and functions](<http://lazarus-ccr.sourceforge.net/docs/rtl/strutils/index-5.html> "doc:rtl/strutils/index-5.html")
115	115
116	116		## ShortString
117	117
118	118		Short strings tienen una longitud máxima de 255 caracteres con los [[FPC Unicode support\|codepage]] implícitos [[FPC Unicode support\|CP_ACP]]
119	119
120	120		La longitud o tamaño se almacena en el caracter de índice 0 (cero).
121	121
122		-	~~#3 \| a \| b \| c~~
123		-	~~---\|---\|---\|---~~
124		-
	122	+	\| #3 \| a \| b \| c \|
	123	+	\|---\|---\|---\|---\|
	124	+
125	125		#### Reference
126	126
127	127		* [FPC AnsiString documentation](<http://lazarus-ccr.sourceforge.net/docs/ref/refsu12.html> "doc:ref/refsu12.html")
128	128
129	129		## AnsiString
130	130
131	131		Ansistrings son cadenas que no tienen límite de longitud. Son [reference counted](<http://en.wikipedia.org/wiki/Reference_counting>) y se garantiza que son terminadas con [null](<http://en.wikipedia.org/wiki/Null-terminated_string>). Internamente, una variable de tipo AnsiString se trata como un puntero: el actual contenido de la cadena se almacena en montón (heap), se ubica tanta cantidad de memoria como sea necesaria.
132	132
133		-	~~\| \| \| \| \| \| \| \| a \| b \| c \| #0~~
134		-	~~---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---~~
135		-	~~RefCount \| Length~~
136		-
	133	+	\| \| \| \| \| \| \| \| \| a \| b \| c \| #0 \|
	134	+	\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|
	135	+	\| RefCount \| \| \| \| Length \| \| \| \| \| \| \| \|
	136	+
137	137		#### Referencia
138	138
139	139		* [Documentación de FPC sobre AnsiString](<http://www.freepascal.org/docs-html/ref/refsu12.html>)
140	140
141	141		## UnicodeString
142	142
143	143		Al igual que AnsiStrings , UnicodeStrings son reference counted, matrices terminadas con null, pero son implementadas como matrices de WideChars en lugar de Chars regulares.
144	144
145	145		[![Note-icon.png](/wiki-images/b/be/Note-icon.png)](</File:Note-icon.png>)
146	146
147	147		Nota: La nomenclatura UnicodeString es un poco ambigua debido a su uso en Delphi bajo Windows, donde los sistemas operativos utilizan cofificación UTF16; no es el único tipo que puede albergar cadenas de datos Unicode (ver también UTF8String)...
148	148
149		-	~~\| \| \| \| \| \| \| \| \| a \| \| b \| \| c \| #0 \| #0~~
150		-	~~---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---~~
151		-	~~RefCount \| Length~~
152		-
	149	+	\| \| \| \| \| \| \| \| \| \| a \| \| b \| \| c \| #0 \| #0 \|
	150	+	\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|
	151	+	\| RefCount \| \| \| \| Length \| \| \| \| \| \| \| \| \| \| \| \|
	152	+
153	153		#### Referencia
154	154
155	155		* [Documentacion en FPC sobre UnicodeString](<http://www.freepascal.org/docs-html/ref/refsu13.html>)
156	156
157	157		## UTF8String
158	158
159	159		En la versión FPC 2.6.5 e inferiores el tipo UTF8String era un alias del tipo AnsiString. En FPC 2.7.1 y posteriores se define como:
160	160		```
161	161		UTF8String = type AnsiString(CP_UTF8);
162	162		```
163	163
164	164		Esto significa que contienen cadenas codificadas como UTF-8 (i.e. datos unicode) oscilando entre 1..4 bytes por carácter.
165	165
166	166		Ten en cuenta que un String puede también contener caracteres codificados enn UTF-8.
167	167
168	168		#### Referencia
169	169
170	170		* [Documentación en RTL sobre UTF8String](<http://lazarus-ccr.sourceforge.net/docs/rtl/system/utf8string.html> "doc:rtl/system/utf8string.html")
171	171
172	172		## UTF16String
173	173
174	174		The type UTF16String is an alias to the type WideString. In the LCL unit _lclproc_ it is an alias to UnicodeString.
175	175
176	176		#### Reference
177	177
178	178		* [LCL UTF16String documentation](<http://lazarus-ccr.sourceforge.net/docs/lcl/lclproc/utf16string.html> "doc:lcl/lclproc/utf16string.html")
179	179
180	180		## WideString
181	181
182	182		Variables of type [[Widestrings\|WideString]] (used to represent unicode character strings in COM applications) resemble those of type UnicodeString , but unlike them they are not reference-counted. On Windows they are allocated with a special windows function which allows them to be used for OLE automation.
183	183
184	184		WideStrings consist of COM compatible UTF16 encoded bytes on Windows machines (UCS2 on Windows 2000), and they are encoded as plain UTF16 on Linux, Mac OS X and iOS.
185	185
186		-	~~\| \| \| \| \| a \| \| b \| \| c \| #0 \| #0~~
187		-	~~---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---~~
188		-	~~Length~~
189		-
	186	+	\| \| \| \| \| \| a \| \| b \| \| c \| #0 \| #0 \|
	187	+	\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|
	188	+	\| Length \| \| \| \| \| \| \| \| \| \| \| \|
	189	+
190	190		#### Referencia
191	191
192	192		* [Documentación en FPC sobre WideString](<http://www.freepascal.org/docs-html/ref/refsu14.html#x37-400003.2.8>)
193	193
194	194		## PShortString
195	195
196	196		A variable of type PShortString is a pointer that points to the first byte of a ShortString -type variable (which defines the length of the ShortString).
197	197
198		-	~~#3 \| a \| b \| c~~
199		-	~~---\|---\|---\|---~~
200		-	^
201		-
	198	+	\| #3 \| a \| b \| c \|
	199	+	\|---\|---\|---\|---\|
	200	+	\| ^ \| \| \| \|
	201	+
202	202		#### Reference
203	203
204	204		* [RTL PShortString documentation](<http://lazarus-ccr.sourceforge.net/docs/rtl/system/pshortstring.html> "doc:rtl/system/pshortstring.html")
205	205
206	206		## PAnsiString
207	207
208	208		Variables of type PAnsiString are pointers to AnsiString -type variables. However, unlike PShortString -type variables they don't point to the first byte of the header, but to the first char of the AnsiString.
209	209
210		-	~~\| \| \| \| \| \| \| \| a \| b \| c \| #0~~
211		-	~~---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---~~
212		-	~~RefCount \| Length \| ^~~
213		-
	210	+	\| \| \| \| \| \| \| \| \| a \| b \| c \| #0 \|
	211	+	\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|
	212	+	\| RefCount \| \| \| \| Length \| \| \| \| ^ \| \| \| \|
	213	+
214	214		#### Reference
215	215
216	216		* [RTL PAnsiString documentation](<http://lazarus-ccr.sourceforge.net/docs/rtl/system/pansistring.html> "doc:rtl/system/pansistring.html")
217	217
218	218		## PUnicodeString
219	219
220	220		Las variables del tipo PUnicodeString son punteros a variables del tipo UnicodeString.
221	221
222		-	~~\| \| \| \| \| \| \| \| \| a \| \| b \| \| c \| #0 \| #0~~
223		-	~~---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---~~
224		-	~~RefCount \| Length \| ^~~
225		-
	222	+	\| \| \| \| \| \| \| \| \| \| a \| \| b \| \| c \| #0 \| #0 \|
	223	+	\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|
	224	+	\| RefCount \| \| \| \| Length \| \| \| \| ^ \| \| \| \| \| \| \| \|
	225	+
226	226		#### Referencia
227	227
228	228		* [Documentación en la RTL sobre PUnicodeString](<http://lazarus-ccr.sourceforge.net/docs/rtl/system/punicodestring.html> "doc:rtl/system/punicodestring.html")
229	229
230	230		## PWideString
231	231
232	232		Las variables de tipo PWideString son punteros. Apuntan al primer carácter de una variable tipo WideString.
233	233
234		-	~~\| \| \| \| \| a \| \| b \| \| c \| #0 \| #0~~
235		-	~~---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---~~
236		-	~~Length \| ^~~
237		-
	234	+	\| \| \| \| \| \| a \| \| b \| \| c \| #0 \| #0 \|
	235	+	\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|---\|
	236	+	\| Length \| \| \| \| ^ \| \| \| \| \| \| \| \|
	237	+
238	238		#### Referencías
239	239
240	240		* [Documentación en la RTL sobre PWideString](<http://lazarus-ccr.sourceforge.net/docs/rtl/system/pwidestring.html> "doc:rtl/system/pwidestring.html")
241	241
242	242		## String constants
243	243
244	244		If you use only English constants your strings work the same with all types, on all platforms and all compiler versions. Non English strings can be loaded via resourcestrings or from files. If you want to use non English strings in code then you should read further.
245	245
246	246		There are various encodings for non English strings. By default Lazarus saves Pascal files as UTF-8 without BOM. UTF-8 supports the full Unicode range. That means all string constants are stored in UTF-8. Lazarus also supports to change the encoding of a file to other encoding, for example under Windows your local codepage. The Windows codepage is limited to your current language group.
247	247
248		-	~~String Type, UTF-8 Source \| With or without {$codepage utf8} \| FPC 2.6.5 and below \| FPC 2.7.1 and above \| FPC 2.7.1+ with UTF8 as default CodePage~~
249		-	~~---\|---\|---\|---\|---~~
250		-	~~AnAnsiString:='ãü'; \| Without \| Needs UTF8ToAnsi in RTL/WinAPI. Ok in LCL \| Needs UTF8ToAnsi in RTL/WinAPI. Ok in LCL \| Ok in RTL/W-WinAPI/LCL. Needs UTF8ToWinCP in A-WinAPI.~~
251		-	AnAnsiString:='ãü'; \| With \| System cp ok in RTL/WinAPI. Needs SysToUTF8 in LCL \| Ok in RTL/WinAPI/LCL. Mixing with other strings converts to system cp \| Ok in RTL/W-WinAPI/LCL. Needs UTF8ToWinCP in A-WinAPI
252		-	~~AnUnicodeString:='ãü'; \| Without \| Wrong everywhere \| Wrong everywhere \| Wrong everywhere~~
253		-	AnUnicodeString:='ãü'; \| With \| System cp ok in RTL/WinAPI. Needs UTF8Encode in LCL \| Ok in RTL/WinAPI/LCL. Mixing with other strings converts to system cp \| Ok in RTL/W-WinAPI/LCL. Needs UTF8ToWinCP in A-WinAPI
254		-	~~AnUTF8String:='ãü'; \| Without \| Same as AnsiString \| Wrong everywhere \| Wrong everywhere~~
255		-	~~AnUTF8String:='ãü'; \| With \| Same as AnsiString \| Ok in RTL/WinAPI/LCL. Mixing with other strings converts to system cp \| Ok in RTL/W-WinAPI/LCL. Needs UTF8ToWinCP in A-WinAPI.~~
256		-
	248	+	\| String Type, UTF-8 Source \| With or without {$codepage utf8} \| FPC 2.6.5 and below \| FPC 2.7.1 and above \| FPC 2.7.1+ with UTF8 as default CodePage \|
	249	+	\|---\|---\|---\|---\|---\|
	250	+	\| AnAnsiString:='ãü'; \| Without \| Needs UTF8ToAnsi in RTL/WinAPI. Ok in LCL \| Needs UTF8ToAnsi in RTL/WinAPI. Ok in LCL \| Ok in RTL/W-WinAPI/LCL. Needs UTF8ToWinCP in A-WinAPI. \|
	251	+	\| AnAnsiString:='ãü'; \| With \| System cp ok in RTL/WinAPI. Needs SysToUTF8 in LCL \| Ok in RTL/WinAPI/LCL. Mixing with other strings converts to system cp \| Ok in RTL/W-WinAPI/LCL. Needs UTF8ToWinCP in A-WinAPI \|
	252	+	\| AnUnicodeString:='ãü'; \| Without \| Wrong everywhere \| Wrong everywhere \| Wrong everywhere \|
	253	+	\| AnUnicodeString:='ãü'; \| With \| System cp ok in RTL/WinAPI. Needs UTF8Encode in LCL \| Ok in RTL/WinAPI/LCL. Mixing with other strings converts to system cp \| Ok in RTL/W-WinAPI/LCL. Needs UTF8ToWinCP in A-WinAPI \|
	254	+	\| AnUTF8String:='ãü'; \| Without \| Same as AnsiString \| Wrong everywhere \| Wrong everywhere \|
	255	+	\| AnUTF8String:='ãü'; \| With \| Same as AnsiString \| Ok in RTL/WinAPI/LCL. Mixing with other strings converts to system cp \| Ok in RTL/W-WinAPI/LCL. Needs UTF8ToWinCP in A-WinAPI. \|
	256	+
257	257		* W-WinAPI = Windows API "W" functions, UTF-16
258	258		* A-WinAPI = Windows API non "W" functions, 8bit system code page
259	259		* System CP = The 8bit system code page of the OS. For example code page [1252](<http://en.wikipedia.org/wiki/Windows-1252>).
260	260
261	261		```
262	262		const
263	263		c='ãü';
264	264		cstring: string = 'ãü'; // see AnAnsiString:='ãü';
265	265		var
266	266		s: string;
267	267		u: UnicodeString;
268	268		begin
269	269		s:=c; // same as s:='ãü';
270	270		s:=cstring; // does not change encoding
271	271		u:=c; // same as u:='ãü';
272	272		u:=cstring; // fpc 2.6.1: converts from system cp to UTF-16, fpc 2.7.1+: depends on encoding of cstring
273	273		end;
274	274		```
275	275
276	276		## See also
277	277
278	278		* [[FPC Unicode support]]
279	279		* [[LCL Unicode Support]]
280	280		* [[TStringList-TStrings Tutorial]]
281	281		* [A Brief History of Strings](<http://www.codexterity.com/delphistrings.htm>)
282		-
283	282		---
284	283		From the Free Pascal wiki, page "Character and string types/es", as the Internet Archive kept it on 2025-01-19, last changed on 2020-02-11. Copyright stays with the author who wrote it, according to the old wiki's [[Licensing]] page. If you have concerns about this material, [message the admin](/wiki-contact).

Back to history