UNICODE和ANSI以及MBCS的问题

UNICODE 

　　计算机发明后，为了在计算机中表示字符，人们制定了一种编码，叫ASCII码。ASCII码由一个字节中的7位(bit)表示 ，范围是0x00 - 0x7F 共128个字符。他们以为这128个数字就足够表示abcd....ABCD....1234 这些字符了。 
咳......说英语的人就是“笨”！后来他们突然发现，如果需要按照表格方式打印这些字符的时候，缺少了“制表符”。于是又扩展了ASCII的定义，使用一个字节的全部8位(bit)来表示字符了，这就叫扩展ASCII码。范围是0x00 - 0xFF 共256个字符。 
       咳......说中文的人就是聪明！中国人利用连续2个扩展ASCII码的扩展区域（0xA0以后）来表示一个汉字，该方法的 标准叫GB-2312。后来，日文、韩文、阿拉伯文、台湾繁体（BIG-5）......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。既：有2 个字节的字符，也有1个字节的字符）。这个方法是有缺陷的，因为 各个国家地区定义的字符集有交集，因此使用GB-2312的软件，就不能在BIG-5的环境下运行（显示乱码，因为：阿拉伯人 在机器上编写的阿拉伯文字，经过机器的字符编码，变成了一个特定的0x XXXX，而这个特定的0x XXXX字符到中国人的机 器上却不存在相对应的汉字，或者是相对应出的汉字 根本就与原来阿拉伯文字文章一点关系没有的，所以出现乱码），反 之亦然。 
       咳......说英语的人终于变“聪明”一些了。为了把全世界人民所有的所有的文字符号都统一进行编码，于是制定了UNICODE标准字符集。UNICODE 使用2个字节表示一个字符(unsigned shor int、WCHAR、_wchar_t、OLECHAR)。这下终 于好啦，全世界任何一个地区的软件，可以不用修改地就能在另一个地区运行了。虽然我用 IE 浏览日本网站，显示出我 不认识的日文文字，但至少不会是乱码了。UNICODE 的范围是 0x0000 - 0xFFFF 共6万多个字符，其中光汉字就占用了4 万多个。嘿嘿，中国人赚大了。

 
在程序中使用各种字符集的方法： 
const char * p = "Hello"; // 使用 ASCII 字符集 
const char * p = "你好"; // 使用 MBCS 字符集，由于 MBCS 完全兼容 ASCII，多数情况下，我们并不严格区分他们 
LPCSTR p = "Hello,你好"; // 意义同上 


const WCHAR * p = L"Hello,你好"; // 使用 UNICODE 字符集 
LPCOLESTR p = L"Hello,你好"; // 意义同上 


// 如果预定义了_UNICODE，则表示使用UNICODE字符集；如果定义了_MBCS,则表示使用 MBCS 
const TCHAR * p = _T("Hello,你好"); 
LPCTSTR p = _T("Hello,你好"); // 意义同上 
　　

在上面的例子中，T是非常有意思的一个符号（TCHAR、LPCTSTR、LPTSTR、_T()、TEXT()、_TEXT()...），它表示使 用一种中间类型，既不明确表示使用 MBCS，也不明确表示使用 UNICODE。那到底使用哪种字符集那？嘿嘿......编译的时候决定吧。设置条件编译的方式是：VC6中，"Project\Settings...\C/C++卡片 Preprocessor definitions" 中添加或修改 _MBCS、_UNICODE；VC.NET中，"项目\属性\配置属性\常规\字符集"然后用组合窗进行选择。使用 T 类型，是非常 好的习惯，严重推荐！ 


举个例子： 
"abc"是非Unicode string, 
L"abc"是Unicode tring. L用来定义UNICODE字符串，L就是转换成宽字符 
其次：.NET 的平台CLR (Common Language RunTime库中用定义(#define) _UNICODE 来表示使用Unicode； 
在 Win32 API 中是用定义(#define) UNICODE 来表示使用 Unicode 。 
而大多数应用程序(Application)都是既使用CLR又使用Win32 API的，所以一般地，_UNICODE和UNICODE 应该在工程 中同时定义或同时不定义。 
_T("abc") 在_UNICODE已定义时解释成L"abc",是Unicode string； 
在_UNICODE 未定义时则解释成"abc",非Unicode string。 
TEXT("abc")类似，不过它是根据UNICODE 的定义与否来决定的。 

再说以下： 
如果有下面三句话： 
TCHAR szStr1[] = TEXT("str1"); 
char szStr2[] = "str2"; 
WCHAR szStr3[] = L("str3"); 
那么第一句话在定义了UNICODE时会解释为第三句话，没有定义时就等于第二句话。 
第二句话无论是否定义了UNICODE都是生成一个ANSI字符串，而第三句话总是生成UNICODE字符串。 
为了程序的可移植性，建议都用第一中表示方法。 

MultiByteToWideChar函数与 _T、TEXT() 这两个宏都可以选择 ASNI (MBCS) 还是 UNICODE 字符 
第一个函数转换的对象可以是常量、变量；第二、三只能转换常量。 
补充： 
LPSTR == char* 
LPCSTR == const char* LPCTSTR == const char* // Not defined _UNICODE, such as win9x 
LPCTSTR == const wchar_t* // defined _UNICODE, such as win2k LPWSTR == wchar_t* 
即： 
LPCSTR A 32-bit pointer to a constant character string. 
LPSTR A 32-bit pointer to a character string. 


LPCTSTR A 32-bit pointer to a constant character string that is portable for Unicode and DBCS. LPTSTR A 32-bit pointer to a character string that is portable for Unicode and DBCS. 

另外，如果嫌类型转换实在太麻烦的话，就把字符集设成“未设置”，修改之后通常需要清理解决方案，再重新生成， 
否则会出现错误：general error c101008a: Failed to save the updated manifest to the file ".\Debug\Test1.exe.embed.manifest". The parameter is incorrect. mt.exe

以上转自：http://hi.baidu.com/windtrace/item/097a52fba9491119e3e3bd4c

VC6这样的早期版本默认是用MBCS（多字节字符集）

下面用代码验证：

#include <IOSTREAM>
#include "TCHAR.H"
char *parr=new char[10];
char pa[10]={0};
TCHAR p[] = _T("ucnioa的博客!");

int main()
{
	std::cout<<strlen(parr)<<std::endl;
	std::cout<<sizeof p<<std::endl;
	std::cout<<sizeof pa<<std::endl;
	return 0;
}

上述代码在VC6.0下运行的结果是：

将VS2010设置为“使用 Unicode 字符集”，运行上述代码结果如下：

由结果可得，对字符串p来说，使用多字节字符集时，占14字节（汉字占两个字节，字母占一个字节）；而使用 Unicode 字符集时，占22字节（汉字和字母均占两个字节）。