Unicode的来龙去脉

什么是Unicode

和Unicode对应的概念是ASCII码。因为PC是美国人创造的，他们是说E文的，所以一个字节代码（256个）就能够表示他们语言中的所有字符，包括字母和各种标点符号等。后来，美国人的软件产品要卖给世界各地的人们，包括远东的中、日、韩。这些国家的文字很复杂，256个代码肯定表示不了那么多字符，于是有人提出了宽字符概念（DBCS），即用两个字节来表示文字。两个字节可以表示65000个字符，这样，世界上所有国家的文字都可以在成为这个字符集的子集，这就是所谓的Unicode了，“Unicode”的意思大概就是“通用(Uni)字符代码(Code)”的意思吧。

ANSI C对Unicode的支持

ANSI C对String.h文件进行了修改，声明了一个数据类型：

typedef unsigned short wchar_t;

以wchar_t代替老C中char的作用。

­

同时，ANSI C对所有设计字符串（包括参数和返回值用到字符串）的函数增加了宽字符版本，例如：

char * strcat(char *,const char *)增加了如下函数：

wchar_t * wcscat(wchar_t *,const wchar_t *)。

规律是所有函数名中的str替换为wcs，wcs是英文宽字符串的缩写，所有char换成wchar_t。

编写ANSI/Unicode通用代码

如果希望自己的程序很方便地在ANSI和Unicode编译方式中转换，办法是包含TChar.h头文件，并且使用TCHAR来代替wchar_t和char。当你define了_UNICODE时候，TCHAR将被解释为wchar_t；否则TCHAR将为解释为char。内部运行机制应该是这样：

#ifdef _UNICODE

typedef wchar_t TCHAR;

#ifndef  _UNICODE

typedef char TCHAR;

可惜的是，ANSI C好像没有给字符串相关函数提供通用的表示方法，这个问题在Windows API中得到了很好的解决。

Windows API对Unicode的完美支持

Windows 头文件也定义了ANSI/Unicode通用数据类型PTSTR和PCTSTR。当定义了UNICODE时候，这些数据类型被解释为Unicode字符集，否则被解释为ANSI字符集。

为兼容性起见，Windows API为每个字符串函数定义了两种版本，即UNICODE版和ANSI版，前者函数名后有“W”，后者函数名后有“A”，例如CreateWindowExW和CreateWiondowExA。Windows头文件还定义了ANSI/Unicode通用的字符串函数。例如，CreateWindowEx。当定义了UNICODE时，CreateWindowEx接受Unicode字符串，否则他接受ANSI字符串。以下代码解释了其机理：

#ifdef UNICODE

#define CreateWindowEx CreateWindowExW  //解释成宽字符版函数

#else

#define CreateWindowEx CreateWindowExA  //解释成ANSI版函数

#endif

编写符合ANSI和Unicode的Windows程序

即使你不打算立即使用Unicode，最好也因该着手将你的应用程序转换成符合Unicode的应用程序。下面是应该遵循的一些基本规则：

将文本串视为字符数组，而不是chars数组或字节数组；

将通用数据类型（如TCHAR和PTSTR）用于文本字符和字符串；

将显示数据类型（如BYTE和PBYTE）用于字节、字节指针和数据缓存；

将TEXT宏用于原义字符和字符串；

执行全局替换（例如将PTSTR替换PSTR）；

修改字符串运算问题。即，使用sizeof(szBuffer)/sizeof(TCHAR)而不是sizeof(szBuffer)。还有应该调用malloc(nCharacters *sizeof(TCHAR))，而不是调用malloc(nCharacters)。