宽字符变量 L

经常看到define中定义字符串时，在字符串前面加上一个大写的字母L，例如：#define variable L"hello world"

这是干什么用的呢？

其实，这个L是宽字符，通知编译器后面的字符为UNICODE标准。这种标准和ANSI有什么区别呢？

8位ANSI字符 char
16位 UNICODE字符 wchar_t

在<tchar.h>中有 typedef unsigned short wchar_t;

声明UNICODE字符和字符串的方法：
wchar_t c=L'A';
wchar_t szBuffer[100]=L"A String";
下面的例子很清楚的说明了二者之间的区别，

//        56 43 D6 AA CA B6 BF E2 00             //char a[] = "VC知识库";
//        56 00 43 00 E5 77 C6 8B 93 5E 00 00    //wchar_t b[] = L"VC知识库";
前面是实际的十六进制编码，后面是两种编码标准，由此可见，一个UNICODE字符在内存中占两个字节，而一个ANSI字符占一个字节。

为使更详细，我转载了一位高人的博文。

【转】

The C++ Programming Language 3rd》中有这么两段话：

from 4.3:
A type wchar_t is provided to hold characters of a larger character set such as Unicode. It is a distinct type. The size of wchar_t is implementation-defined and large enough to hold the largest character set supported by the implementation’s locale (see §21.7, §C.3.3). The strange name is a leftover from C. In C, wchar_t is a typedef (§4.9.7) rather than a builtin type. The suffix _ t was added to distinguish standard typedefs.

from 4.3.1:
Wide character literals are of the form L′ab′, where the number of characters between the quotes and their meanings is implementation-defined to match the wchar_t type. A wide character literal has type wchar_t.

这两段话中有两个要点是我们关心的：

1. wchar_t 的长度是由实现决定的；
2. L"ab" 的含义是由实现决定的。

那么GNU g++和VC6.0/7.0各是怎么实现的呢？看下面代码：

//author: **.Zhou

#include <stdio.h>

#include <stdlib.h>

#include <windows.h>



void prt( const void* padd, size_t n )

{

    const unsigned char* p = static_cast<const unsigned char*>( padd );

    const unsigned char* pe = p + n;

    for( ; p<pe; ++p ) printf( " %02X", *p ); printf( "\n" );

}



int main()

{

    char a[] = "VC知识库";

    wchar_t b[] = L"VC知识库";

    prt( a, sizeof(a) );

    prt( b, sizeof(b) );

    system( "Pause" );

    // 说明：

    //  Dev-CPP4990 显示为：

    //    56 43 D6 AA CA B6 BF E2 00

    //    56 00 43 00 D6 00 AA 00 CA 00 B6 00 BF 00 E2 00 00 00

    //  VC++6.0 和 VC.net2003 显示为：

    //    56 43 D6 AA CA B6 BF E2 00

    //    56 00 43 00 E5 77 C6 8B 93 5E 00 00

    // 可见，Dev-CPP中的L""不是unicode编码，只是简单的扩充，汉字需要4bytes存储

    

    HWND h = FindWindow( NULL, "计算器" );

    SetWindowTextA( h, a );

    system( "Pause" );

    SetWindowTextW( h, b );

    system( "Pause" );

    // 说明：

    //   VC++6.0 和 VC.net2003 都能成功将标题改为"VC知识库"

    //  而 Dev-CPP4990 只有 SetWindowTextA 显示正确，而 SetWindowTextW 显示的是乱码 

}      

　　这段代码说明了，g++（Dev-CPP 用的是 MingGW 编译器）中 L"xx" 解释为把作为 non-wide-char 的 "xx" 扩展为作为 wide-char 的 wchar_t，不足则在高位补0；而 VC6.0 的 L"xx" 解释为把作为 MBCS 的 "xx" 转换为作为 unicode 的 WCHAR，目前的 MBCS 是以 char 为一个存储单元的，而 WCHAR 在 winnt.h 中定义为 typedef wchar_t WCHAR。在 Windows 平台上，只要是超过 0~127 范围内的 char 型字符，都被视为 MBCS，它由1到2个字节组成，MBCS 字符集跟它的地区代码页号有关。在某个特定的 Windows 平台，默认的代码页号可以在控制面板 -> 区域选项中设定。

关于上述结论可以有下面这个程序来验证：

//author: smileonce

#include <stdio.h>

#include <stdlib.h>

#include <assert.h>

#include <windows.h>



void prt( const void* padd, size_t n )

{

    const unsigned char* p = static_cast<const unsigned char*>( padd );

    const unsigned char* pe = p + n;

    for( ; p<pe; ++p ) printf( " %02X", *p ); printf( "\n" );

}



int main()

{

    char a[] = "VC知识库";

    wchar_t b[] = L"VC知识库";

    prt( a, sizeof(a) );

    prt( b, sizeof(b) );



    PSTR pMultiByteStr = (PSTR)a;

    PWSTR pWideCharStr;

    int nLenOfWideCharStr;



    // 利用API函数MultiByteToWideChar()来把a转化成unicode字符

    nLenOfWideCharStr = MultiByteToWideChar( CP_ACP, 0, pMultiByteStr, -1, NULL, 0);

    pWideCharStr = (PWSTR)HeapAlloc( GetProcessHeap(), 0, nLenOfWideCharStr * sizeof(WCHAR) );

    assert( pWideCharStr );

    MultiByteToWideChar( CP_ACP, 0, pMultiByteStr, -1, pWideCharStr, nLenOfWideCharStr );



    prt( pWideCharStr, nLenOfWideCharStr * sizeof(WCHAR) );



    system( "Pause" );

//    // 说明：

//        56 43 D6 AA CA B6 BF E2 00             //char a[] = "VC知识库";

//        56 00 43 00 E5 77 C6 8B 93 5E 00 00    //wchar_t b[] = L"VC知识库";

//        56 00 43 00 E5 77 C6 8B 93 5E 00 00    //用MultiByteToWideChar()把a转换为unicode

//    // 可见，b[]的字符代码就是unicode代码



    return 0;   

}      

呵呵，问题已经明了，总结一下：

1. ISO C 中 wchar_t 是一个 typedef，ISO C++ 中 wchar_t 是语言内建的数据类型，L"xx" 是ISO C/C++ 语言内建的表示 wchar_t 的文本量的语法；
2. wchar_t 的长度是由实现决定的；
3. L"xx" 的意义是由实现决定的；
4. 默认的 "xx" 是 non-wide-char，其每个元素数据的类型是 char；与其相对应的 L"xx" 是wide-char,其每个元素数据的类型是wchar_t。

　　为什么 C/C++ 语言把 L"xx" 定义为由实现决定的呢？这显然是为了 C/C++ 的普适性、可移植性。Bjarne 的观点认为，C++ 的方式是允许程序员使用任何字符集作为串的字符类型。另外，unicode 编码已经发展了若干版本了，是否能永久适合下去也不得而知。有关 unicode 的详细论述以及和其它字符集的比较，我推荐你看《无废话xml》。