c语言字符集改为多字节,多字节与Unicode

编码知识

一、Unicode与多字节(ANSI )

(1)Windows中，Unicode也称为宽字节，多字节也称为窄字节; VS中默认使用Unicode编码，在项目属性>>配置属性>>常规>>字符集中可选择Unicode字符集或者多字节字符集

(2) Unicode与多字节函数版本、字符、字符串类型的区别

Win32 API中大部分参数有字符串的函数都有两个版本

以A结尾,代表多字节版本

以W结尾,代表Unicode版本

根据版本自动选择的

如：CreateEventA

如：CreateEventW

如：CreateEvent

C运行库也有很多类似的函数

多字节版本

Unicode版本

自适应版本

strcpy

wcscpy

_tcscpy

strcat

wcscat

_tscscat

strlen

wcslen

_tcslen

函数有两种，所以字符也有两种

多字节字符

Unicode字符

自适应字符

char

wchar_t

TCHAR

(3) 常见Win32字符串类型

LPSTR、LPWSTR、LPTSTR、LPCTSTR

LP前缀，代表指针；STR后缀代表字符串

LPSTR:代表多字节

LPWSTR:代表Unicode

LPTSTR:T自适应

LPCTSTR:C代表const+T代表自适应

备注：变量类型使用自适应类型后如LPTSTR，相关字符串需要用TEXT()进行包裹

const char* str = "hello";

const wchar_t* wstr = L"hello";

const TCHAR* tstr = TEXT("hello");

(4)关于_T()

#ifdef _UNICODE

#define _T(X) L ## X //Unicode版本

#else

#define _T(X) X //多字节版本

#endif

(5)Unicode与多字节的选择

1.Unicode程序环境适应能力强，不会出现乱码问题

2.Unicode程序运行速度比多字节程序快。原因：Windows内部都是使用Unicode编码，多字节函数会将参数转码后交给Unicode函数

3.控制后台可使用多字节，GUI程序最好使用Unicode

二、Unicode

(1)Unicode实现方式：UTF-32

以4个byte为编码单元进行定长存储，调度器一次性下发4个byte进行存储任务

主要有两种方式：

大端法UTF-32BE：地址由小向大增加，而数据从高位往低位放 ，在网络上传输数据普遍采用的都是大端

小端法UTF-32LE：地址由小向大增加，而数据从低位往高位放，在英特尔处理器，Windows10操作系统，采用小端法。

(2)UTF-16

也有大小端模式

UTF-16 LE是windows上默认的Unicode编码方式，使用wchar_t表示。所有wchar_t *类型的字符串(包括硬编码在.h/.cpp里的字符串字面值)

char chinese[] = "你";

//大小为3个byte，一个char存储结束符,两个char存储汉字字符‘你’ 1char:1byte

wchar_t wchinese[] = L"你";

//大小为4个byte, 一个wchar_t存储结束符,一个wchar_t存储汉字字符‘你’ 1wchar_t:2byte(window下)

auto size = sizeof(chinese); // 3 byte

auto wsize = sizeof(wchinese); // 4 byte

auto len = strlen(chinese); // 2个字符(除去结束符)

auto wlen = wcslen(wchinese); // 1个字符(除去结束符)

优势：就是大多数情况下一个wchar_t表示一个字符(包括中文字符)

坑：char *类型的字面值，最终内存使用何种编码方式完全取决于当前文件的编码方式

备注：在Windows上应该铭记没有char / std::string这种类型的字符/字符串，只有wchar_t / char16_t / std::wstring / std::u16string

(3)UTF-8

优势：无字节序的概念，不用考虑大小端问题，适用与字符串的网络数据传输

劣势：如上代码，一个char并不能表示一个汉字字符，往往需要两个char

三、ANSI

(1)概念

可以认为ANSI / MBCS (多字节字符集) / 本地编码是同一个概念，不同的国家和地区制定了不同的标准，有GB2312、GBK、GB18030、Big5、Shift_JIS 等各自的编码标准，ASCII就是美国国家的ANSI标准，一个国家的代码到另一个国家使用，有可能由于编码标准不一致，导致乱码，于是才有了万国码Unicode，各国通用。

总结

Dll的多字节和Unicode

Dll的多字节和Unicode 分类: MFC2013-10-17 13:00 28人阅读 评论(0) 收藏 举报 dll字符集字符集多字节Unicode 我们定义dll的时候会区分: 字符集:使用多 ...

宽字符、多字节、unicode、utf-8、gbk编码转化

今天遇到一个编码的问题,困惑了我很长时间,所以就简要的的了解了一下常用的编码类型. 我们最常见的是assic编码,它是一种单字节编码,对多容纳256个字符. 我们在编程的时候经常遇到unicode,u ...

编程中的多字节和Unicode

在编译许多程序的时候,我们常常会出现诸如指针转换错误或者const char[] 不能转换成XX的错误,这时很可能就是项目编码的问题了,如果您使用的是VS编程环境,那么打开工程属性,里面就有个选项是给 ...

_bstr_t可接受多字节、UNICODE字符串，方便用以字符集转换

使用_bstr_t需要包含的头文件: #include #include // test.cpp : 定义控制台应用程序的入口点. ...

转：Unicode字符集和多字节字符集关系