character encoding

首先先谈谈VC中的编码问题，首先编码我们大致可以分为两类：文件编码和内存编码。文件编码即源代码文件的编码，gbk，UTF-8等。内存编码即源代码编译成为二进制文件的时候采用的编码。

比如，在VC 2008中我们写下如下的代码：

char* a = “a中”;

让我们分别来看一下文件编码和内存编码的区别。

用UntraEdit打开该cpp文件，进入十六进制模式：我们可以看到”a中”对应的编码为：0×61 0xD6 0xD0，0×61是ASCII码中的a，0xD6 0xD0是GBK里”中”的编码。说明，在中文windows环境下，VC创建的文件编码默认是GBK的。那么我们将文件修改为UTF-8的编码格式，重新用UE以十六进制模式进入。我们看到”a中”的编码变为了0×61 0xE4 0xB8 0xAD，0×61仍然是a的编码，而中的编码变成了，0xE4 0xB8 0xAD。

从上面的试验我们还可以知道，GBK中中文为2个字节，UTF-8是3个字节。

 
 

下面我们研究一下内存编码，内存编码在VC中只有3个选项：Not Set，Use Multi-Byte Character Set和Use Unicode Character Set。这个属性的修改可以在工程的属性栏中找到：

 

 

 
 

让我们继续观察上面的例子。来查看一下什么是内存编码。我们在程序中设置断点，调试程序来观察在程序运行过程中，三种工程属性下，char* a所指向的那篇内存空间的值是什么，是不是如我们所认为的那样：

工程属性
 Not Set
 Use Multi-Byte Character Set
 Use Unicode Character Set
 
内存
 0×61 0xd6 0xd0
 0×61 0xd6 0xd0
 0×61 0xd6 0xd0
 

 
 

如上表所示，无论工程属性如何设置，”中”在内存中都是gbk编码。这样的程序拿到非中文的操作系统中执行是会出现乱码的，那么怎么才能将其用UNICODE进行编码呢？我们需要用到wchar_t这个类型，wchar_t是一种宽字类型，宽字类型的变量使用方法如下wchar_t* a = L”a中”;即在”a中”前面加上L。

现在，调试一下可以看到，a在内存中的值为0×61 0×00 0×2d 0×4e。wchar_t类型的变量会将用两个字节存储英文变量，即在原有ASCII的基础上补上两个0.而后面的0×2d 0×4e就是”中”的编码。