[理解] C/C++ 字符编码

直接说说我的理解。

char与wchar_t

1. 这两个类型是C++定义的类型。
   用char定义的字符串，对应的字符集是扩展的ANSI，在简体中文的操作系统上，就是gb2312字符集。
   用wchar_t定义的字符串，对应的字符集是Unicode，UTF16编码方式，这是一个定长的编码方式。
   C/C++定义的就这两种，没有再多了。假设要增加一种，比如UTF8的编码方式的，那么就要顶一个新类型，比如kchar_t?

const char* pStr1 = "你好世界A";
// const wchar_t* pStr2 = "你好世界A"; // 编译失败
const wchar_t* pStr2 = L"你好世界A";  

printf("%d\n", strlen(pStr1)); // 打印9。9个字节，考虑到"\0"，pStr1实际上是10个字节。
printf("%d\n", wcslen(pStr2)); // 打印5。10个字节，考虑到"\0"，pStr2实际上是12个字节。

2. char与wchar_t的相互转化
   可以使用利用Windows API中的函数 WideCharToMultiByte 和 MultiByteToWideChar。
   代码网上很多，暂时不贴了。

VS2005的CharacterSet设置

1. 有两个可以设置：Multi-Byte Character Set和Unicode Character Set。
2. 这个设置，只是通过预编译宏，修改一些宏定义，参数类型。比如MessageBox使用MessageBoxA版本还是MessageBoxW版本。对char还有wchar_t没有什么影响。

WINUSERAPI
int
WINAPI
MessageBoxA(
    __in_opt HWND hWnd,
    __in_opt LPCSTR lpText,
    __in_opt LPCSTR lpCaption,
    __in UINT uType);
WINUSERAPI
int
WINAPI
MessageBoxW(
    __in_opt HWND hWnd,
    __in_opt LPCWSTR lpText,
    __in_opt LPCWSTR lpCaption,
    __in UINT uType);
#ifdef UNICODE
#define MessageBox  MessageBoxW
#else
#define MessageBox  MessageBoxA
#endif // !UNICODE

UTF8

基于Unicode字符集的一种变长编码方式，为了节省数据而创造出来的。常用语网络数据传输。

项目中的应用

1. Data编辑器
   数据结构使用wchar_t，持久化到文件的时候，直接持久化wchar_t，二进制的方式读写文件。
2. 网络传输
   数据结构，可以使用wchar_t，也可以使用char_t。绝大部分都是wchar_t，只用登录用的是char_t。收发协议，只要一直就可以了。网络发包最外层有没有压缩数据，就不知道了。先不管了。
3. Lua配表文件
   Lua文件是UTF8的。读写Lua的时候。部分怎么读写的，还要再看看？？？
4. 国际化工具
   还没看？？？

参考

带你玩转Visual Studio——带你理解多字节编码与Unicode码
C++ WINDOWS下 wchar_t *和char * 相互转化总结篇
彻底搞定char/wchar_t!
最后这篇文章要好好看看。

1. CString
   CString对应的字符串应该是TCHAR，TCHAR的定义是这样的，

#ifdef _UNICODE
typedef wchar_t TCHAR;
#else
typedef char TCHAR;
#endif

2. 通用性字符串
   通用字符型TCHAR
   ifdef UNICODE it is wchar_t（WCHAR）for Unicode platforms;
   else it is char for ANSI and DBCS platforms.
   通用字符串指针LPTSTR
   ifdef UNICODE it is LPWSTR（wchar_t） for Unicode platforms;
   else it is LPSTR (char) for ANSI and DBCS platforms.
   通用通用常数字符串指针LPCTSTR
   ifdef UNICODE it is LPCWSTR(const wchar_t) for Unicode platforms;
   else it is LPCSTR (const char) for ANSI and DBCS platforms.