Windows——一篇文章搞定字符编码

作者：小 琛
欢迎转载，请标明出处

引言：很多人都会在编码中遇到了中文乱码问题，针对Windows平台时，这个问题往往更加严重，这篇文章来解析原因，并汇总出相关知识，保证后续的开发字符集正确。

字符编码问题的由来

一个char是1个字节8位，这是每一个初学者都知道的内容。这个规定是基于ANSI字符集的，C语言编译器将其转换而来。但世界上的语言不止英语一种，类似于一些复杂的语言：汉语、俄语等，往往8位的一个字节不足够来表述清楚目标字符。基于此，上世纪提出了一个概念：双字符集，了解的人都清楚，和它打交道=噩梦。

但比较幸运的是，Unicode字符的提出，让我们可以专心的使用它来解决类似问题，从而实现你的程序兼顾所有语言。

ANSI字符集

关于它，不做过多的讲述，C语言编译器默认的字符集就是ANSI，也就是我们熟知的1字节8位。

除此之外还有一些其它规定，例如：字符数组均以/0结尾

Windows下的宽字节

有一个比较老的操作系统：Windows vista，它使用的字符集就是wchar_t，即UTF-16。这意味着，一个字节16位，这样就可以满足几乎所有的语言要求。
在STL中，与之对应的是std::wstring

Windows下几乎所有的API函数，都有两个版本A版本和W版本，即：ANSI版本和wchar_t版本，可以理解为是窄字符和宽字符版本，

Unicode字符集

Unicode字符集，是1988年提出的一个字符标准，基于此标准，我们在开发中统一了字符集，就可以不用去操心相关的字符问题。

Unicode和UTF-8的关系(重点)

Unicode的实现方式有很多种，例如：UTF-8、UTF-16、UTF-32。现在使用最广泛的是UTF-8格式。

很多人会有一个误解：UTF-8，那就是一字节8位，和NISI有什么区别呢？为什么它能处理字符编码问题？

UTF-8：UTF-8将一些字符编码为一个字节，一些字符编码为2个字节，一些字符编码为3个字节，一些字符编码为4个字节。值在0x0080以下爱的字符集压缩为1个字节，对于英语非常适合，0x0080到0x07FF之间的字符转换为2个字节，对于欧洲和中东语言很适合；0x0800以上的内容转为3个字节，适合东亚地区语言；最后代码对被写为四个字节。

总结下来就是：该规则是一个灵活变化的规则，可以应对不同的语言，如果做一个测试的话，将一个Unicode类型字符串加入中文，字节数是有变化的。

开发建议

实际开发中，尤其针对Windows程序，将自己的工程设置为Unicode字符集会减轻很大一部分工作，具体的设定方法用visual stdio设置高级保存设置即可。

注意一点：std::string 默认的字符集是ANSI，所以如果你从控制台输入中文，将其传入某些接口，一定要做字符转换！！！

又或许可以尝试用wstring作为输入