Windows上的字符转换之CP_ACP和CP_OEMCP

香港、台湾通用大五码

winnls.dll是特殊字符输入扩展相关文件。

#define CP_ACP                    0           // default to ANSI code page

#define CP_OEMCP                  1           // default to OEM  code page 
#define CP_MACCP                  2           // default to MAC  code page 
#define CP_THREAD_ACP             3           // current thread's ANSI code page 
#define CP_SYMBOL                 42          // SYMBOL translations 

实际使用时的简单快速判断规则：

1、对于多字节编码的环境(泰文，日文，韩文，中文),CP_ACP与CP_OEMCP没有区别。

2、对于单字节编码的环境这两个代码页不同

1）对应的实际代码页不同,例如English-US的环境，ACP对应1252,OEMCP而437。

2）一个字节能表示的数值范围是(0-255),对于小于128的编码，437和1252对应的字符是一样的。

3）对于大于128的编码，是不一样的，有可能有些OEM字符(大于128的编码)在437中不存在，有些ASCII(大于128的编码)字符在1252中不存在。

4）相同的编码，对应的字符有可能不同。

5）同理，相同的字符对应的编码有可能不同。

3、windows的文件操作的API默认使用ASCII代码页(即CP_ACP)，设备的操作的函数使用OEM代码页(即CP_OEMCP)。

结论: 如果与设备没有关系(即不读写设备)那么使用ACP，否则使用OEMCP(注意读写console的函数是对console设备的操作，所以默认使用OEMCP)。

文件读写API使用的代码页可以通过调用API来实现在CP_ACP与CP_OEMCP更替的。Console的操作也可以通过API来实现CP_ACP与CP_OEMCP更替的

Windows API函数MultiByteToWideChar用于多字节编码字符串向宽字符串（即UTF-16LE）的转码。它的第一个参数的常用值是CP_ACP和CP_OEMCP。这到底指的是什么代码页呢？ 我编了小程序做了实验。

CP_ACP和CP_OEMCP，分别是指当前计算机上的Windows操作系统的Windows代码页与OEM代码页。对于东亚的简体中文、繁体中文、日文、韩文等Win操作系统语言环境，这两种代码页是同一个，如简体中文是代码页936即GB2312字符集，繁体中文是950即大五码字符集，韩文是949、日文是932。对于西方国家的拼音文字语言设置，两个代码页不同。典型的如English_US，其Windows代码页是1252、OEM代码页是437，还有第三个代码页ISO-8859-1又称Latin-1或“西欧语言”，是针对英语法语西语德语等西欧语言的扩展ASCII字符集。这三者（1252、437、8859-1）都是针对英语但并不相同。

为什么会有Windows代码页与OEM代码页的区别呢？因为在八十年代DOS系统时期，还是“字符终端”的屏幕只能够显示的256个字符，这些字符的字形的点阵信息存储在硬件的ROM中。DOS操作系统通过系统中断调用驱动程序把这些字形读出来写入显存。这是由OEM负责字符集中有哪些字符，显示时为什么字形的时代，而且一台PC上只有这么一套字符集/字形，没得选，除非你再差一个带字库的“汉卡”。进入了微软的Windows操作系统时代之后，由于硬件的发展，操作系统有了自己的字形文件，绘制字符时不再真地去读ROM，而是用字形文件（就是字体fonts文件）来把字符的形状写入显存。可以选择用哪种字形：如有衬线的TimesNewRome，还是无衬线的SansSerif。操作系统默认使用的字符集，就由微软来定义了，如English_US使用Codepage1252；简体中文使用Codepage936（即国标2312）.至于那个OEM436，就是legacy，用于向后兼容。

综上，就这么点事。CP_ACP和CP_OEMCP，分别是UINT的0和1。在WinNls.h中的注释说明分别是“default toANSI code page”，“default to OEM 

codepage”。所以，在简体中文Windows，这两个宏表示的都是代码页936.

下述程序代码片段用于测试

      
   UINTcodepage=936;
   charstr[]="我们中国"; //这个char[]必然是多字节编码字符串
   DWORDlen;
   //得到我们要转换的MyString为UNICODE所需要的UNICODE缓冲区的长度
   len =MultiByteToWideChar(codepage, 0, str, -1, 0, 0);
   wchar_t*buf=new wchar_t[len+10];
   MultiByteToWideChar(codepage, 0, str, -1, buf,len);

   setlocale(LC_CTYPE,"");//把当前locale字符环境从C/C++缺省的"C"设置，改为操作系统的设置（即代码页936）
   wprintf(L"%s",buf); //因为这个C标准库函数的实现，是把宽字符输入又转化为多字节字符去显示，所以必须正确设置当前操作系统的多字节编码的代码页

结果：
1. 输入是char str[]="我们中国"; UINTcodepage=936或者54936（这是GB18030代码页）或者CP_ACP或者CP_OEMCP，都能正确打印出结果“我们中国”。
2. 输入是char str[]="иい瓣"; UINT codepage=950;也能正确把上述大五码字符串打印出宽字符串输出结果“我们中国”。
3. 输入是char str[]="鎴戜滑涓浗 "; UINT codepage=65001;也能正确把上述UTF-8字符串打印出宽字符串输出结果“我们中国”。