C语言从头学53——字符集

        在使用VS编程时，在项目设置中有一个关于字符集的选项。一是Unicode字符集（VS默认的字符集），二是多字节字符集。本文围绕这两个字符集做一简单介绍。
一、先说一下多字节字符集
       最早的字符集是ANSI的ASCII字符集，它开始使用7位后来使用8位表示包括英文字母、数字、标点符号、制表符、控制符等共计256个字符。后来，随着各国在ASCII的基础上制定本国的字符集，这些从ANSI标准派生的字符集被习惯的统称为ANSI字符集或者MBCS(多字节字符集)。例如：汉字GB-2312编码就是使用ASCII字符集中大于128的字符两两组合表示一个汉字的。
二、介绍一下Unicode
       将不同国家各自的字符编码方式，一步一步进行统一形成了Unicode 编码。Unicode 为每个字符提供一个号码，称为码点，它几乎囊括了世界上所有文字的字符。Unicode 编码一共包含了100多万个字符，码点范围是 U+0000 到 U+10FFFF（16进制0000至10FFFF）。Unicode编码可以认为是一张纸上的编码表，具体在计算机中怎样实现呢？Unicode提供了三种计算机编码方法：
        a.UTF-8（使用1个到4个字节表示一个码点）；
        b.UTF-16（使用2个字节或4个字节表示一个码点）；
        c.UTF-32（使用4个字节表示一个码点）。
        三种编码方式中使用最为广泛的是UTF-8，VS中默认的“使用Unicode字符集”就是UTF-8。在UTF8中表示英语字符的编码方法与ASCII（ANSI）编码相同。
       说到这里，上述两种字符集给人的感觉是殊途同归。实际上只是在英文字符方面一样，涉及到中文等字符，问题就显示出来了。
三、char*类型处理汉字的存在的问题
       举个例子看一下：
       在项目设置上无论是选择Unicode字符集还是选择多字符集都可以，运行下面的代码：
       char s[] = "中国";
       char s1[] = "china";
       printf("s=%d\n", sizeof(s));//运行结果：s=5
       printf("s1=%d\n", sizeof(s1));//运行结果：s1=6
       "中国"这2个汉字的字节长度是5（1个汉字2个字节再加上1个\0），英文"china"的字节长度是6（5个字母加1个\0）。而要显示"中"字需要语句：printf("%c%c",s[0],s[1])才能把"中"显示出来，也就是需要两个数组成员才能表示出来；而显示英文字符"c"，printf("%c",s1[0])就可以，如此就给处理中英文混合的字符串带来了困难。其原因是英语字符是单字节字符，而汉字是双字节字符。还有一些国家的字符是三字节的。一旦字符串里面包含多字节字符，就意味着字符串的字节数与字符数不再一一对应了。C语言中的很多char*类型字符串函数都是针对单字节字符的，如用toupper()、tolower()、isalpha()等处理汉字都不会得到正确结果。
三、宽字符
       宽字符就是每个字符占用相同的字节数（2个或4个字节）。宽字符有一个单独的数据类型wchar_t，每个宽字符都是这个类型。该类型的长度为2个字节或4个字节，具体是2还是4取决于使用的系统。宽字符的定义在头文件wchar.h中。使用宽字符的字面量前面必须加上前缀“L”，否则会报错。当使用宽字符时，不论英语字符还是汉字字符，包括结束符"\0"都占2个字符（Win10 VS2022系统），这样处理起字符串来就方便多了，字节数除以2就是字符数。当然，宽字符下，有些函数有变化，比如frintf变成了wfrintf，使用方法包括占位符也有变化。使用宽字符类型相关函数还要使用setlocale设置环境，这些函数都定义在wchar.h中。这些函数在学习头文件内容时再做介绍。
四、宽字符与多字节字符转换函数
1、mblen()函数
       函数mblen返回一个多字节字符占用的字符数，它的原型定义在头文件stdlib.h中。
       使用格式：mblen(参1，参2);
           参1：多字节字符串指针（实际检查的就是第一个字符）
           参2：需要检查的最大字节数（固定使用宏MB_CUR_MAX）
       返回值：一个多字节字符占用的字符数（注意：是字符数，不是字节数，返回值为int类型）；如果字符是空的宽字符则返回0；字符不是有效的多字节字符返回-1。
2、wctomb()函数
       函数wctomb用于将宽字符转为多字节字符，原型定义在头文件stdlib.h中。
       使用格式：wctomb(参1，参2);
           参1：接收转换后多字节字符数组指针
           参2：被转换的宽字符（wchar_t类型）
       返回值：返回多字节字符存储占用的字节数量；如转换失败则返回-1 。
       说明：
          a.转换前的宽字符一个字符就是一个字符，转成char*类型后，需要两个或多个字符表示。
          b.调用一次函数只能处理一个宽字符。
          c.注意使用该函数需要setlocale设置环境。
3、mbtowc()函数
       函数mbtowc功能是将多字节字符转为宽字符，其原型定义在头文件stdlib.h中。
       使用格式：mbtowc(参1，参2，参3);
          参1：接收转换结果的宽字符指针
          参2：待转换的多字节字符指针
          参3：多字节字符的字节数
       返回值：返回多字节字符的字节数；转换失败返回-1。
4、wcstombs()函数
      函数wcstombs的功能是将宽字符串转换为多字节字符串，其原型定义在头文件stdlib.h中。
      使用格式：wcstombs(参1，参2，参3);
          参1：接收转换结果的多字节字符串指针
          参2：等待转换的宽字符串指针
          参3：存储多字节字符串的最大字节数
      返回值：转换成功返回是转换后的多字节字符串的字节数（不含\0符)；转换失败返回-1。
    5、mbstowcs()函数
     函数mbstowcs功能是将多字节字符串转换为宽字符串，其函数原型定义在头文件stdlib.h中。
     使用格式：mbstowcs(参1，参2，参3);
       参1：接收转换结果的宽字符串指针
       参2：等待转换的多字节字符串指针
       参3：待转换的多字节字符串的最大字符数
     返回值：转换成功返回多字节字符的数量；转换失败时返回-1。
五、举例程序如下：

#define _CRT_SECURE_NO_WARNINGS
#include 
#include 
#include //宽字符
#include //宽字符环境设置
int main(void)
{
//汉字由两个大于127的ASCII符组成
	unsigned char ch[] = "中";
	printf("ch[]的字节长度：%d\n", (int)sizeof(ch));//运行结果：3
	printf("中的ASCII码值：%d %d\n", ch[0], ch[1]);//运行结果：214 208
	strcpy(ch,"国");
	printf("国的ASCII码值：%d %d\n", ch[0], ch[1]); //运行结果：185 250
	printf("ASCII码185 250转成汉字：%c%c\n", 185, 250); //运行结果：国
//宽字符（本机环境每个字符两个字节，不区分英文、汉字等）
	setlocale(LC_ALL, ""); //宽字符环境设置
	printf("wchar_t的sizeof=%d\n", (int)sizeof(wchar_t));//运行结果：wchar_t的sizeof=2
	wchar_t s[] = L"中国china"; //连汉字带英文加上结束符共计8个字符
	printf("s=%d\n", (int)sizeof(s));//运行结果：s=16 （16/2=8） 
    wchar_t s1[] = L"天津市（Tianjin City）建城600多年了！"; //汉字括弧字母数字标点结束符总计27个字符
	printf("s=%d\n", (int)sizeof(s1));//运行结果：s1=54（54/2=27）
	wprintf(L"%ls\n", s); //宽字符显示函数 运行结果：中国china
//函数mblen的使用
	printf("char数组ch[]汉字“中”占用字节数：%d\n", mblen(ch, MB_CUR_MAX)); //运行结果：2 
	  //char*类型中，需要两个字符表示一个汉字（具体结果是否是2还与环境设置相关）
	printf("wchar_t数组s[]汉字“中”占用字节数：%d\n", mblen(s, MB_CUR_MAX)); //运行结果：1
      //宽字符类型中，一个汉字及时一个字符，一个英文字母也是一个字符
//函数wctomb的使用
	wchar_t wc = L'天';
	char c[6] = {0};
	int ret = wctomb(c,wc);
	printf("转换后占%d字节：%s\n", ret, c);//运行结果：转换后占2字节：天
//函数mbtowc的使用
	char c1[]="津";
	wchar_t wc1[5] = {0};
	mbtowc(wc1,c1,sizeof(c1));
	wprintf(L"char*转成wchar_t：%ls\n", wc1); //运行结果：char*转成wchar_t：津
//函数wcstombs的使用
	char c2[24] = { 0 };
	wchar_t wc2[] = L"计算机ABC";
	wcstombs(c2,wc2,sizeof(c2));
	printf("转换后：%s\n", c2);
//函数mbstowcs的使用
	char c3[] = "123数字abc字母";
	wchar_t wc3[100];
	mbstowcs(wc3, c3, sizeof(c3));
	wprintf(L"转换后：%ls", wc3);
	getchar();
	return 0;
}