关于宽字符与多字符、char与string的问题

一、多字符与宽字符

1.  电脑发展的初期

ASCII编码，每个字符占一个字节，最多只能表示256个字符。
汉字等字符采用两个字节共同表示一个汉字的方法。二个字节理论上可以表示65535个字符。
因为ASCII标准是用一个字节的7个位表示一个普通字符，最高位为0（如字母“A”的二进制01000001），所以表示汉字就采用最高位为1来表示。如“中”字就是用0xD6、0xD0表示（二进制11010110、11010000）。
程序员判断一个字符是否为汉字，就是通过最高位是否为1来判断的。

ASCII编码字符，叫多字节字符

2.  UNICODE编码，每个字符占二个字节。也叫万国码（一种国际标准字符集，为世界上绝大多数已知的字符集定义了唯一的16位数值）

UNICODE编码的数字、字母等，保留原ASCII的8位编码，后面加上八个二进制0。
中国国家标准的UNICODE编码汉字，叫GB18030（与UNICODE相同，2002年开始执行），有27533个汉字。

UNICODE编码字符，叫宽字节字符。

 

二、相互间转换的函数

1.MultiByteToWideChar函数

函数功能：该函数将一个字符串到转换成一个宽字符（unicode）的字符串。

函数原型：

int MultiByteToWideChar(

UINT CodePage,

DWORD dwFlags,

LPCSTR lpMultiByteStr,

int cchMultiByte,

LPWSTR lpWideCharStr,

int cchWideChar

);

   第一个参数CodePage：指定执行转换的字符集，这个参数可以为系统已安装或有效的任何字符集所给定的值。

     CP_ACP：ASCII字符集；

CP_UTF7：使用UTF-7转换；

CP_UTF8：使用UTF-8转换；

    第二个参数dwFlags：一般用 0 就可以了
   

    第三个参数lpMultiByteStr： ASCII 字符串的地址, 这个字符串是第一个参数指定的语言的 ASCII 字符串 (ASCIIString)
   

    第四个参数cchMultiByte： ASCII 字符串的长度，如果用 -1, 就表示是用 0 作为结束符的字符串
   

    第五个参数 lpWideCharStr,：转化生成的 unicode 字符串 (WideString) 的地址, 如果为 NULL, 就是代表计算生成的字符串的长度
   

第六个参数cchWideChar：转化生成的 unicode 字符串缓存的容量,也就是有多少个UNICODE字符，若此值为零，函数将返回缓冲区所必需的宽字符数。

 

因此该函数一般使用两次：

第一次获取转换成unicode所需要的长度

第二次才是真正的把一个字符串转换为unicode，代码如下：

 

char* mbs = "中国，你好！I Love You!";

int length = MultiByteToWideChar( CP_ACP, 0, mbs, -1, NULL, 0 );

wchar_t* wcs = new wchar_t[ length ];

MultiByteToWideChar( CP_ACP, 0, mbs, -1, wcs, length );

delete wcs;

wcs = NULL;

2.WideCharToMultiByte  函数

函数功能：该函数将一个宽字符（unicode）转换为字符串的函数。

函数原形：

int WideCharToMultiByte(

UINT CodePage, //指定执行转换的代码页

DWORD dwFlags, //允许你进行额外的控制，它会影响使用了读音符号（比如重音）的字符，一般设置为NULL

LPCWSTR lpWideCharStr, //指定要转换为宽字节字符串的缓冲区

int cchWideChar, //指定由参数lpWideCharStr指向的缓冲区的字符个数

LPSTR lpMultiByteStr, //指向接收被转换字符串的缓冲区

int cchMultiByte, //指定由参数lpMultiByteStr指向的缓冲区最大值

LPCSTR lpDefaultChar, //当WideCharToMultiByte函数遇到一个宽字节字符，而该字符在CodePage参数标识的代码页中并没有它的表示法时，WideCharToMultiByte函数才使用这两个参数。如果宽字节字符不能被转换，该函数便使用lpDefaultChar参数指向的字符。如果该参数是NULL（这是大多数情况下的参数值），那么该函数使用系统的默认字符。该默认字符通常是个问号。

LPBOOL pfUsedDefaultChar //至少有一个字符不能转换为其多字节形式，函数就会把这个变量设为TRUE

);

代码如下：

Wchar_t* wcs = _T("中国，你好！I Love You!");

int length = WideCharToMultiByte( CP_ACP, 0, wcs, -1, NULL, 0, NULL, NULL);

char* mbs = new char[ length ];

WideCharToMultiByte( CP_ACP, 0, wcs, -1, mbs, length, NULL, NULL);   

delete mbs;

mbs = NULL;

 

三、char与string的区别与转换

1、char是字符类型
2、string是字符串类型
虽然一字之差，但其本质是很大的。
1. char属于基础类型（C++)，char类型的长度是固定的，C++中它是1个字节（Unicode Char即WCHAR为2个字节）。
2. string是一个模板类型，也就是一个class，和容器差不多。string的长度是无法通过sizeof来取得，因为它不是一个基础类型，它本身并不固定长度，而取决于内部包含的字符。它包含以下一些函数：

1） size(),length()    //返回字符数量

2）empty()    //判断字符串是否为空

3）clear() //删除全部字符

4) data() //返回String中的字符，为const

5）copy（）//将String中的字符拷贝到char*中

下面通过代码看string与char间的转换：