Win32中的字符编码与字符类型

最新推荐文章于 2020-08-18 17:41:17 发布

adavid0821

最新推荐文章于 2020-08-18 17:41:17 发布

阅读量562

点赞数

分类专栏：《Windows核心编程》读书笔记

本文链接：https://blog.csdn.net/adavid0821/article/details/41389341

版权

《Windows核心编程》读书笔记专栏收录该内容

12 篇文章 0 订阅

订阅专栏

PS：阿婆主水平有限，以下言论（多为百度得来）可能有错，请大家辩证的看！！！！不要拍砖！

文本操作是编程时的最基本内容，但是，如果程序需要显示中文信息，不少人被什么宽字符，ANSI编码，Unicode编码弄的头晕脑胀！（还是身在美帝好呀！！人家就26个字母呀！！）

众所周知！标准ASCII码是7位的（什么？你一直以为是8位的？），而扩展ASCII码，也就是我们所熟知的ANSI字符集是八位的！在C/C++中，所有人都知道一个char类型占一个字节，那么发展中国家的程序员要如何表示汉字的呢？起初，程序员们提出了一个双字节字符集方案（DBCS），但是这个方案之中并不是所有字符都是两个字节，而是有的一个字节（那些ASCII码），其他的通过一个前导字节和一个尾随字节表示（这些字符用char表示），由于，这个方案十分脑残，因此,C语言开始支持宽字节标准（ANSI C），用wchar来，表示支持多字节字符集！

下面我们来看一下如何使用宽字符集：

#include<stdio.h>
#include<stdlib.h>
#include<locale.h>
int main(int argc,char **argv)
{
	_wsetlocale(LC_ALL,L"chs");//指定编码
	wprintf(L"%ls",L"abcd你好\n");//言下之意就是让你在使用wprintf之前必须调用 _wsetlocale 函数。
	wprintf(L"%lc",L'大天才');
	wprintf(L"%lc\n",L'a');
	return 0;
}

在由于C语言是基于ANSI编码方式的，因此我们为了正确输出宽字符，我需要用local函数把语言设定为中文。

也许你会说，根本不需要如此麻烦，你的printf也能正确输出！！（我也是这么觉得的！！）这好像是因为，Windows下你的cmd和VS同样使用GB2312的编码方式，所以你成功了，但是，如果你进行你代码移植（比如到linux下），你的代码可能会失败！

我们知道C语言是基于ANSI的编码方式，而Windows编程则提倡使用UNICODE，下面我们谈谈他们的区别！

以下来自百度百科：

不同的国家和地区制定了不同的标准，由此产生了 GB2312、GBK、Big5、Shift_JIS 等各自的编码标准。这些使用 1 至 4 个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码。在简体中文Windows操作系统中，ANSI 编码代表 GBK 编码；在日文Windows操作系统中，ANSI 编码代表 Shift_JIS 编码。不同 ANSI 编码之间互不兼容，当信息在国际间交流时，无法将属于两种语言的文字，存储在同一段 ANSI 编码的文本中。当然对于ANSI编码而言，0x00~0x7F之间的字符，依旧是1个字节代表1个字符。

由于ANSI编码存在地域之间的编码，因此，我们提倡使用UNICODE编码方式。WINDOWS自从某个版本以后，内部函数统统使用UTF16的编码方式，同时，为了向后兼容，WINDOWS为许多函数提供了，两个编码版本的实现（比如，CreateWindowA和CreateWindowW，但是有意思的是，ANSI其实并没有创建一个窗口，他所做的是将字符串从ANSI编码转换为UNICODE编码，然后调用CreateWindow的UNICODE版本！！）。程序员编程时，通过定义关键字UNICODE我们基本上感觉不到这些差异。但是，据《WINDOWS核心编程》所说，后者的效率更高！

在WIN32编程中，我们一般认为，WCHAR指定的就是UTF16编码的宽字符，而CHAR指的就是ANSI编码（两者分别是wchar_t,和char的类型定义，微软为了让别人看不懂他们的代码就爱搞这些！！！）。同时，微软建议我们使用TCHAR来定义字符，用TEXT宏来定义字符串字面值！

ANSI字符串和UNICODE字符串之间的转换。

我们用MultiByteToWideChar实现ANSI（多字节）到UNICODE（宽字节）的转换，

<span style="color:#333333;">int MultiByteToWideChar(
		UINT uCodePage,//与多字节字符串关联的一个代码页值,使用<span style="font-family: Arial, Helvetica, sans-serif;">CP_ACP</span><span style="font-family: Arial, Helvetica, sans-serif;">当前计算机操作系统的Windows代码页</span>
		DWORD dwFlags，//额外的控制变量，一般为0
		PCSTR pMultiByteStr，//多字节字符串
		int cbMultiByte，//多字节字符串的，字节长度，若为-1，则自动判断长度
		PWSTR pWideChatStr，//转换结果，为NULL返回有几个字符
		int cchWideChar//宽字节字符数
		)

一般我们遵循下面顺序转换：

#include<Windows.h>
int main(int argc,char **argv)
{
	PSTR pMultiCharStr="今天是星期天";
	PWSTR pWideCharStr; 
	int nLenOfWideCharStr=MultiByteToWideChar(CP_ACP,0,pMultiCharStr,-1,NULL,0);//计算多字节字符串中有几个字符
	pWideCharStr=(PWSTR)HeapAlloc(GetProcessHeap(),0,nLenOfWideCharStr*sizeof(WCHAR));//分配宽字节内存空间间
	MultiByteToWideChar(CP_ACP,0,pMultiCharStr,-1,pWideCharStr,nLenOfWideCharStr);
	MessageBox(NULL,pWideCharStr,L"多字节转换为宽字节",MB_OK);
	HeapFree(GetProcessHeap(),0,pWideCharStr);
	return 0;
}

类似的从UNICODE转换到ANSI使用函数WideCharToMultiByte

int MultiByteToWideChar(
<span style="white-space:pre">	</span>UINT uCodePage,//与多字节字符串关联的一个代码页值,使用CP_ACP，当前计算机操作系统的Windows代码页
<span style="white-space:pre">	</span>DWORD dwFlags，//额外的控制变量，一般为0
<span style="white-space:pre">	</span>PCWSTR pWideCharStr，//宽字节字符串
<span style="white-space:pre">	</span>int cchWideChar，//宽字节字符串的，字符数，若为-1，则自动判断长度
<span style="white-space:pre">	</span>PSTR pMultiByteStr，//转换结果，为NULL返回字节数
<span style="white-space:pre">	</span>int cbMultiByte,//多字节字符串字节数
<span style="white-space:pre">	</span>PCSTR pDefaultChar，//不可转换的字符使用什么填充，NULL
<span style="white-space:pre">	</span>PBOOL flag//是否有不可转化的字符,NULL
<span style="white-space:pre">	</span>)

以上内容来自《Windows核心编程》第二章！

这一章中还介绍了，使用函数IsTextUnicode判断文本的编码类型是否是Unicode，两个字符串比较函数CompareString和CompareStringOrdinal，以及所谓的安全字符串函数内容！