Windows中的字符编码

Windows中的字符编码

[email protected]

http://blog.csdn.net/kezunhai

          在进行Window C++开发过程中，对char、tchar、wchar_t等联系和区别不是很清楚，会遇到各种字符编码的问题，如char*无法转换为w_char*、wchar*等。本文将来简单介绍下Windows中的字符编码问题。

          为什么会出现众多的字符编码？这是因为单字节只能表示256个字符，而对于中文、日文中的汉字等字符则就无法表示。为此，就出现了双字节字符集（DBCS：Double Bytes CharSet）。在双字节字符集中，字符串中的每个字符可以包含一个字符或两个字符，这样就导致在编程过程中无法对字符进行统一处理，给开发人员带来了额外的负担。如下面的例子：

int main(int argc, char*argv[])
{
	char* str = "hello中国";
	int len = strlen(str);	
	cout<<"\""<<str<<"\" = "<<len<<endl;
	char c = (char)getchar();
	if(c ==27)
		exit(1);
		
	return 1;		
}

运行结果如下：

在上面的例子中，我们可以知道str字符串中有多少字节，但却无法知道有多少个字符，在ANSI C标准中没有相应的接口函数能够处理。

         1988年apple和Xerox公司推出了Unicode标准。Unicode字符串中的每个字符都采用16位两个字节来表示，因此可以表示65000多个字符，这样几乎全世界的绝大多数语言都可以表示了。在早期的ANSI C标准中是对unicode不支持的（win 98是在后期对string.h文件进行了修改后才增加了对unicode字符编码的支持）。ANSI C中的字符处理函数不能很好的处理unicode的字符，于是就出现了一系列与ANSI C对于的unicode字符处理函数，如下：

从上面看到，所以的unicode函数均以wcs开头（表示宽字节字符集:Wide charset），因此在需要调用unicode函数的地方，只需要将str替换成wcs即可。

         到这里，又有个问题，对于采用了str或wcs显式调用的代码来说，无法非常容易的同时为ANSI 和Unicode代码进行编译。为此，定义了一个Tchar.h头文件。Tchar.h头文件的唯一作用就是帮助创建ANSI和Unicode通用源代码文件。在该头文件中有定义有宏：UNICODE或_UNICODE

如果定义UNICODE或_UNICODE

         则 typedef wchar_t tchar

如果没定义

      则 typedef char tchar

同样，还有对其他字符处理函数的重定义，具体可以参考tchar.h文件。

        如此，在Windows C++编程中，如果不能确定自己需要使用哪种编码字符，建议采用tchar形式，系统会自动在ANSI和UNICODE之间智能选择，以避免字符编码问题。

想了解更多请参考：Windows核心编程

作者：kezunhai出处：http://blog.csdn.net/kezunhai欢迎转载或分享，但请务必声明文章出处。