Multi-Byte Character Set & Unicode Character Set

本系列文章由 @YhL_Leo 出品，转载请注明出处。
文章链接： http://blog.csdn.net/yhl_leo/article/details/49592361

编程时遇到BUG：error C2440: cannot convert from 'const char [7]' to 'LPCWSTR'，查找后发现错误原因之一竟然是字符串的字符集编码模式造成。

所有的string 类都是以C-style字符串为基础的。C-style字符串是字符数组。所以我们先介绍字符类型。这里有3种编码模式对应3种字符类型。

• 单子节字符集（single-byte character set, SBCS）。在这种编码模式下，所有的字符都只用一个字节表示。ASCII是SBCS。一个字节表示的0用来标志SBCS字符串的结束。

• 多字节字符集（multi-byte character set, MBCS）。一个MBCS编码包含一些一个字节长的字符，和一些大于一个字节长的字符。用在Windows里的MBCS包含两种字符类型，单字节字符（single-byte characters）和双字节字符（double-byte characters）。由于Windows里使用的多字节字符绝大部分是两个字节长，所以MBCS常被用DBCS（double-byte character set, DBCS）代替。像SBCS一样，DBCS字符串的结束标志也是一个单字节表示的0。

• 统一的双字符集（Unicode Character Set）。Unicode是一种所有的字符都使用两个字节编码的编码模式。Unicode字符有时也被称作宽字符（Wide Character），因为它比单子节字符宽（使用了更多的存储空间）。注意，Unicode不能被看作MBCS。MBCS的独特之处在于它的字符使用不同长度的字节编码。Unicode字符串使用两个字节表示的0作为它的结束标志。

单字节字符包含拉丁文字母表，accented characters及ASCII标准和DOS操作系统定义的图形字符。双字节字符被用来表示东亚及中东的语言。Unicode被用在COM及Windows NT操作系统内部。

你一定已经很熟悉单字节字符。当你使用char时，你处理的是单字节字符。双字节字符也用char类型来进行操作（这是我们将会看到的关于双子节字符的很多奇怪的地方之一）。Unicode字符用wchar_t来表示。Unicode字符和字符串常量用前缀L来表示。

常用的将字符串编码转为统一双字节编码的方法，是使用宏定义_T()：

// #include <tchar.h>
// #include <windows.h>

#define __T(x) L ## x
#define _T(x) __T(x)

_T("ABC"); // "ABC" transforms into wide characters, equals to L"ABC"

其中宏定义的含义，可以阅读“#”的作用和用法一文。

在Microsoft Visual Studio中，project -> properties -> Configuration Properties -> General -> Character Set中，包含三种模式：

• Not Set
• Use Unicode Character Set
• Use Multi-Byte Character Set

回到BUG本身，在使用赋值语句将字符串的值赋予LPCWSTR类型时，如果使用_T(.)转换编译失败，那么除去头文件包含的问题，那么很有可能就是Character Set模式设置的问题。