Unicode 知识一则

Unicode 是支持所有字符集（包括无法以单个字节表示的字符集）的规范。为国际市场编程时应考虑使用 Unicode 或多字节字符集 (MBCS)，或使程序能够通过更改开关来生成支持两种字符集之一的程序。

宽字符是双字节多语言字符代码。在当今的全球计算业内使用的大多数字符（包括技术符号和特殊的发布字符），都可以根据 Unicode 规范表示为宽字符形式。无法以 1 个宽字符表示的字符可以通过 Unicode 的代理项功能以 Unicode 对表示。由于每个宽字符总是以固定的 16 位大小表示，因此使用宽字符可以简化使用国际字符集进行的编程。

宽字符字符串表示为一个 wchar_t[] 数组并由 wchar_t* 指针指向它。可以通过用字母 L 作为字符的前缀将任何 ASCII 字符表示为宽字符形式。例如，L'/0' 是终止宽（16 位）NULL 字符。同样，可以通过用字母 L 作为 ASCII 字符串的前缀 (L"Hello") 将任何 ASCII 字符串表示为宽字符字符串形式。

通常，宽字符在内存中占用的空间比多字节字符多，但处理速度更快。另外，在多字节编码中一次只能表示一个区域设置，而世界上的所有字符集都同时以 Unicode 表示形式表示。

（1）Unicode或者宽字符都没有改变char数据类型在C中的定义。
（2）C中的宽字符基於wchar_t数据类型，它在几个头文件包括WCHAR.H中都有定义，如下：
typedef unsigned short wchar_t ;
因此，wchar_t数据类型与无符号短整数型相同，都是16位宽。
 
（3）要定义包含一个宽字符的变量，可使用下面的语句：
wchar_t c = 'A' ;
变量c是一个双字节值0x0041，是Unicode表示的字母A。（然而，因为Intel微处理器从最小的字节开始储存多字节数值，该字节实际上是以0x41、0x00的顺序保存在记忆体中。如果检查Unicode文字的电脑储存应注意这一点。）
 
（4）可定义指向宽字串的指针：
wchar_t * p = L"Hello!" ;
注意紧接在第一个引号前面的大写字母L（代表「long」）。这将告诉编译器该字串按宽字符保存——即每个字符占用2个字节。通常，指针变量p要占用4个字节，而字串变量需要14个字节－每个字符需要2个字节，末尾的0还需要2个字节。
 
（5）可以用下面的语句定义宽字符数组：
static wchar_t a[] = L"Hello!" ;
该字串也需要14个字节的储存空间，sizeof (a) 将返回14。索引数组a可得到单独的字符。a[1] 的值是宽字符「e」，或者0x0065。第一个引号和L两个符号之间必须没有空格。L使编译器将字串存为每个字符2字节。
 
（6）可在单个字符文字前面使用L字首，来表示它们应解释为宽字符。如下所示：
wchar_t c = L'A' ;
但通常这是不必要的，C编译器会对该字符进行扩充，使它成为宽字符。
 
 
2.2.3        宽字符程序库函数
        strlen函数的宽字符版是wcslen（wide-character string length：宽字串长度），并且在STRING.H（其中也说明了strlen）和WCHAR.H中均有说明。strlen函数说明如下：
size_t __cdecl strlen (const char *) ;
        而wcslen函数则说明如下：
size_t __cdecl wcslen (const wchar_t *) ;
        要得到宽字串的长度可以调用
wchar_t * pw = L"Hello!" ;
iLength = wcslen (pw) ;
        函数将返回字串中的字符数6。改成宽字节後，字串的字符长度不改变，只是字节长度改变了。
所有带有字串参数的C执行时期程序库函数都有宽字符版。例如，wprintf是printf的宽字符版。这些函数在WCHAR.H和含有标准函数说明的头文件中说明。