文章目录
数据类型
在C++的数据类型表示中，通常char为1个字节，int为4个字节，double为8个字节。
编码方式
| 编码方式 | 英文字符占用字节数 | 中文字符占用字节数 |
|---|---|---|
| GBK | 1 | 2 |
| GB2312 | 1 | 2 |
| GB18030 | 1 | 2 |
| ISO-8859-1 | 1 | 1 |
| UTF-8 | 1 | 3 |
| UTF-16 | 4 | 4 |
| UTF-16BE | 2 | 2 |
| UTF-16LE | 2 | 2 |
ASCII编码
ASCII码使用指定的7位或8位二进制数组合来表示128或256种可能的字符。
0～31及127(共33个)是控制字符或通信专用字符，其余为可显示字符。
GBK编码进化（DBCS）
GB-2312
连续2个扩展ASCII码的扩展区域(0xA0以后)来表示一个汉字。
日文、韩文、阿拉伯文、台湾繁体都使用类似的方法扩展了本地字符集的定义，现在统一称为MBCS字符集(多字节字符集)。
各个国家的定义的字符集有交集，因此使用GB2312的软件，就不能在BIG-5的环境下运行(显示乱码)。
GBK
第一个字节是大于127，就固定表示这是一个汉字的开始，不管后面跟的是不是扩展字符集里的内容。
扩展后包括了GB2312的所有内容，同时新增了近20000个新的汉字（包括繁体字）和符号。
GB18030
Unicode字符集 与 UTF-8编码
Unicode只是字符集，它只规定了每个符号的二进制值，但是符号具体如何存储它并没有规定。UTF-8等才是字符编码规则。
UTF-8
utf-8是Unicode最重要的实现方式之一，是一种变长的编码方式。
- 如果一个符号只占一个字节，那么这个8位字节的第一位就为0（0xxxxxx）；
- 如果为两个字节，那么第一个字节的前两位都为1，然后第一个字节的第三位为0，第二个字节的前两位为10（110xxxxx 10xxxxxx）；
- 如果是三个字节的话，那么第一个字节的前三位为111，第四位为0，剩余的两个字节的前两位都为10（1110xxxx 10xxxxxx 10xxxxxx）。
- unicode的字符编码和utf-8的存储编码表示是不同的。例如"严"字的Unicode码是4E25，UTF-8编码是E4B8A5。UTF-8编码不仅考虑了编码，还考虑了存储。4E25的二进制位 0100,1110,0010,0101。utf8的中文汉字一般是3个字节（1110xxxx 10xxxxxx 10xxxxxx），组合起来为 1110,0100,1011,1000,1010,0101 =E4B8A5。
字符集之在UTF-8中，一个汉字为什么需要三个字节？
这次彻底搞懂Unicode编码和UTF-8、UTF-16和UTF-32
utf-8中一个汉字是3个字节，你知道吗？
其它
ANSI编码
Windows操作系统上的别称。具体编码方式与操作系统有关：在中文简体Windows操作系统上，ANSI就是GBK；在泰语操作系统上，ANSI就是TIS-620（一种泰语编码）；在韩语操作系统上，ANSI就是EUC-KR（一种韩语编码）。
Latin1编码（又名ISO-8859-1编码）
Latin1也是单字节编码方式，也就是说最多只能表示256个字母或符号，并且前128个和ASCII完全吻合。后面那128个值，赋予他们一些泰语、希腊语等字母或符号。
Latin1是Mysql数据库表的默认编码方式。单字节编码的一大好处：显示可以乱码，但是里面的数据值不会丢失。
- 把UTF8编码的“讯”字（UTF8编码为0xE8AEAF，占三个字节）存入了Latin1编码的Mysql表，那么在Mysql眼里，你存入的并不是一个“讯”字，而是三个Latin1的字母（0xE8，0xAE，0xAF）。需要注意读取出来该值的时候，自己要以UTF8编码的方式显示出来，要不然就是乱码。=》通常的解决方案，建表的时候就声明charset为utf8。
宽、窄字符类型
窄字符
常用的字符类型是 char，长度为 1，只能容纳 ASCII 码表中的字符。
窄字符串
对于 char 类型的窄字符串，c 语言并没有规定使用哪种特定的编码。
puts("百度一下"); //不能使用ASCII编码，具体编码方式不同编译器不同
代码文件存储
一般使用 UTF-8（大部分字符串可以用一个字节保存）：兼容 ASCII，同时基于 Unicode，能支持全世界的字符。
windows 记事本默认使用本地编码 ANSI，与操作系统有关。
宽字符
类型：UTF-16、UTF-32，均基于 Unicode 字符集。
UNICODE的用处就是定长表示世界文字，据统计，用两个字节可以编码现存的所有文字而没有二义。
PS：Unicode字符集一般是指UTF-16编码的Unicode，但Unicode字符集不等于每个字符占两个字符。
主流编辑器【中文】处理方案
- 微软编译器（内嵌于 Visual Studio 或 Visual C++ 中）采用 UTF-16 编码，使用 2 个字节存储一个字符，用 unsigned short 类型就可以容纳。
- GCC、LLVM/Clang（内嵌于 Xcode）采用 UTF-32 编码，使用 4 个字节存储，用 unsigned int 就可以容纳。
宽字符类型 wchar_t
在微软编译器下，wchar_t长度是 2，等价于 unsigned short。
在 GCC、LLVM/CLang 下，wchar_t长度是 4，等价于 unsigned int。
在Windows上，wchar_t通常是16位的，而在Linux上，wchar_t可能是32位的。
L 前缀
将ANSI字符串转换成unicode的字符串，就是每个字符占用两个字节。
#include <wchar.h>
#include <locale.h>
wchar_t a = L'A'; //英文字符（基本拉丁字符）
wchar_t b = L'9'; //英文数字（阿拉伯数字）
wchar_t c = L'中'; //中文汉字
wchar_t* d = L"Hello World!你好，世界！"; //每个字符都是宽字符
//将本地环境设置为简体中文
setlocale(LC_ALL, "zh_CN");
//使用专门的 putwchar 输出宽字符
putwchar(a);
putwchar(b);
putwchar(c);
//使用通用的 wprintf 输出宽字符, _格式控制"%lc"_
wprintf(
L"Wide chars: %lc %lc %lc\n", //必须使用宽字符串
a, b, c
);
//使用通用的 wprintf 输出宽字符串，格式控制"%ls"_
wprintf(L"d: %ls \n", d);
兼容两种字符集
使用 _T、TCHAR 等实现程序对多字节字符集及宽字节字符集的兼容。
| 多字节字符集 | 宽字节（UNICODE）字符集 | 通用 |
|---|---|---|
| char | wchar_t | TCHAR |
| char* | wchar_t* | TCHAR* |
| LPSTR | LPWSTR | LPTSTR |
| LPCSTR | LPCWSTR | LPCTSTR |
| 类型 | 含义 |
|---|---|
| WCHAR | Unicode character (wchar_t) |
| TCHAR | MBCS or Unicode character |
| LPSTR | string of char (char*) |
| LPCSTR | const string of char (const char*) |
| LPWSTR | string of WCHAR (WCHAR*) |
| LPCWSTR | const ant string of WCHAR (const WCHAR*) |
| LPTSTR | string of TCHAR (TCHAR*) |
| LPCTSTR | const ant string of TCHAR (const TCHAR*) |
TCHAR* t = _T("");
TCHAR curError[1024];
sprintf(curError, _T("lTagG:%04x,lTagE:%04x,value:%s\r\n"), lTagG,lTagE,szValue);
_T()、_TEXT()、TEXT()
L"字符串" ：用于告诉编译器该字符串应该作为Unicode字符串来编译。当编译器将字符串置于程序的数据部分中时，它在每个字符之间分散插入零字节。=》只有当定义了_UNICODE时，程序才能成功地进行编译。
使用_T()、_TEXT()、TEXT()改写，无论是否定义了_UNICODE宏，它都能够正确地进行编译。根据你的环境设置，使得编译器会根据编译目标环境选择合适的（Unicode还是ANSI）字符处理方式。
TCHAR *sz = _TEXT("Helloworld");
如果定义了_UNICODE，那么_TEXT定义为下面的形式：
#define _TEXT(x) L ## x
如果没有定义_UNICODE，_TEXT将定义为：
#define _TEXT(x) x
#ifdef UNICODE
typedef wchar_t TCHAR;
#else
typedef char TCHAR;
#endif
#ifdef UNICODE
#define _T(x) L##X
#else
#define _T(x)x
#endif
TEXT()使用时需要在#include<WinNT.h>前加上#include <Windows.h>才能使用TEXT，TEXT是根据UNICODE来确定宏的。如果只#include<WinNT.h>编译器是会报错的。
编译器配置
_UNICODE宏
只要在程序中有_UNICODE宏的，那么就是使用的【宽字符】，否则使用【单字节字符】。
_MBCS宏
多字节字符集(multi-bytecharacter set or MBCS)
单字节字符集(singlebyte character set or SBCS)
ASCII
编码字符集 VS 运行字符集
编码字符集：源文件使用的字符集。一般使用 UTF-8，以尽量节省存储空间，方便跨国交流。
运行字符集：程序中的字符或者字符串使用的字符集。也就是程序运行后使用的字符集。一般使用 UTF-16、UTF-32 编码，能够快速定位（查找）字符，提高处理速度。
Win32API
Win32中的每个与字符串相关的API和message都有两个版本，例如：SetWindowTextA()、SetWindowTextW()。后缀A表明这是MBCS函数，后缀W表示这是Unicode版本的函数。
全角 VS 半角
在字符集中，全角和半角字符对应的编号（或者说编码值）不同，是两个完全不一样的字符。ASCII 码只定义了半角字符，没有定义全角字符。
visual c++中_T、_TEXT和TEXT宏的区别和作用
C 语言学习(十二)C 语言中的字符(宽字符与窄字符)、从字符谈谈 C 语言的编码、转义字符-CSDN 博客
_T、_TEXT、L、TEXT之间的区别
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
