谈谈_tprintf显示汉字乱码的理解

使用VC编程时，常常会碰到显示汉字乱码的问题。网上可以搜到的问题解答，是调用setlocale。然后就正常了，但是一直不理解其原理.......

最近看到一篇好文章《刨根究底字符编码》，有点醍醐灌顶的感觉。结合实际应用，谈谈自己的理解，不知道对不对。

首先，影响因素有两点，一是VC项目属性的UNICODE宏预定义（或"使用多字节字符集"，以下简称ANSI），二是setlocale函数的设置。前者决定了一个汉字存储时的字符编码方案，后者决定了_tprintf等显示汉字时的解码方案，只有存储编码方案与显示解码方案一致，才不会显示乱码。以“万”字为例，下面是对应关系

setlocale参数2	VC预定义 ANSI	_tprintf显示结果	VC预定义UNICODE	_tprintf显示结果
"C"	cd f2	万	07 4e	?
""	cd f2	万	07 4e	万
"chs"	cd f2	万	07 4e	万

从表中可以看到，“万”字在VC预定义了ANSI时，其存储编码都是 cd f2，在预定义 UNICODE时，编码都是07 4e。为何setlocale( , "C") +预定义UNICODE就显示乱码，但setlocale( , "")或 setlocale( , "chs")就显示都正常呢？

乱码原因是，setlocale(, "C")决定了_tprintf的解码方案是ANSI，但是UNICODE宏又决定了存储的编码方案，即本来_tprintf想打印"万"，需要的编码是cd f2，但是由于定义了UNIOCDE，只能给它07 4e，所以就乱了。

那存储编码和显示解码是怎么工作的呢？

这涉及到三套编码，一是VC中用中文输入法输入“万”时，输入法自带的"万"的编码，叫做“输入码”，我们敲击键盘（以全拼为例），输入"w","a","n"，输入法会根据输入的组合找到自带的输入码表中“万”的输入码，然后映射到“万”的存储字符编码，这就是第二套编码，把"万"字的字符编码存储在内存和磁盘源文件中，第二套编码是安装系统时，就有了，属于系统（比如Windows自带的ANSI编码或utf16编码），最后需要在显示器上显示出"万"，就是_tprintf，它根据setlocale设置的解码方案，如果解码方案与存储编码方案一致，则能识别出是“万”字，然后就需要将"万”映射为第三套编码，就是字体编码（字体库或点阵图），按该编码输出到显示器上。