C++的三种字符编码方式

C++的三种字符编码方式

c++通常使用的是三种编码方式，分别是SBCS(single byte character set),MBCS(multi-byte characterset)和Unicode字符集。SBCS是一个字节一个字符，MBCS是几个字节一个字符，可能是一个，两个，三个不等，但是实际上，绝大多数时候使用两个字节的，所以有时候看到DBCS(double-byte character set)代替MBCS也不奇怪；Unicode一律是两个字节编码。在windows nt内核中，API一律使用的是unicode编码，所以如果你在编写软件过程中使用非unicode编码方式，系统也会自动转换成unicode执行，然后返回的结构再转换为你使用的类型。单字节表示用char，unicode使用wchar_t.我们是在单字节的光芒下成长起来的，一时间完全抛弃单字节未免难以接受，但是有些时候我们又不可避免的需要使用unicode字符集合，那么ms提供的解决办法是泳宏：TChar

我们看看他的定义：

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

ok，一切问题都解决了，我们只需要定义UNICODE就一样使用wchar_t,是很方便。另外，在windows的COM中使用的一律是unicode，但是MFC默认的确实MBCS，所以你用MFC写的类库如果放到了COM下，有些字符的格式化方式或者返回值错误的，原因就是com一律使用unicode，而unicode使用wchar_t('00')结尾，char却是使用'0'结尾的。一般情况下，普通字符需要加载_T宏才能正常运行，比如MFC中你写道S = "FSDFSDF",那么该类转到COM下，需要写S = _T("FSDFSDF")；才可以。我们可以想象宏_T跟TCHAr的功能一样，如果使用UNICODE就自动在constant string前面加上L，否则就直接使用。

我们说一些小问题：

VC6生成的console application是
int main(int argc, char* argv[])

VS C++ 2005生成的是

int _tmain(int argc, _TCHAR* argv[])

显然，用_tmain更好，why?

You can also use _tmain, which is defined in TCHAR.h. _tmain will resolve to main unless _UNICODE is defined, in which case _tmain will resolve to wmain.(http://msdn2.microsoft.com/en-us/library/6wd819wh.aspx#).

我们也会常常看到如下一些字符类型，

WCHAR wchar_t wchar_t
LPSTR zero-terminated string of char (char*) zero-terminated string of char (char*)
LPCSTR constant zero-terminated string of char (const char*) constant zero-terminated string of char (const char*)
LPWSTR zero-terminated Unicode string (wchar_t*) zero-terminated Unicode string (wchar_t*)
LPCWSTR constant zero-terminated Unicode string (const wchar_t*) constant zero-terminated Unicode string (const wchar_t*)
TCHAR char wchar_t
LPTSTR zero-terminated string of TCHAR (TCHAR*) zero-terminated string of TCHAR (TCHAR*)
LPCTSTR constant zero-terminated string of TCHAR (const TCHAR*) constant zero-terminated string of TCHAR (const TCHAR*)
C 一般代表constant，P代表指针，LP代表长指针,W代表宽字符，也就是UNICODE，这下是不是都能明白这些是干什么的了？

我们也会常常看到_mbsstr()这样的函数，这就是MBCS字符编码的函数，当然可以处理SBCS编码，但是反之却不行。所以为了保险起见，我们可以使用_mbsstr代替strstr,但是如果程序只是处理SBCS，那么显然又影响效率，所以到底用什么方式同时满足效率和可移植性，自己掂量着办吧。

以后使用C++编写程序，如果出现乱码，首先检查C++的编码类型，而且一般情况下都是结束符号没有弄对，SBCS和MBCS都是以单字节0结尾，UNICODE是以双字节00结尾的。