【计算机基础】Unicode字符集 与 多字节字符集

=======================事情是这样的==========================

在调试某程序时，发生了这样的错误：

char 与 LPCWSTR 类型不兼容

搜索了一下发现是字符集的原因。

项目>>属性>>字符集>>使用多字节字符集

或者，每个字符串“xxxxx”改为_T("xxxxx")，char类型改为wchar_t 或者 LPCSTR

即可解决。

于是深入探究一下字符集的相关

=======================以下正文==============================

计算机中每一个字符都是由编码表示的。

我们最熟悉的 ASCII码：

全称：American Standard Code for Information Interchange    美国标准信息交换代码

（一直以为是II是罗马数字2……）

该代码是由是由美国国家标准学会(American National Standard Institute , ANSI )制定的

后来，又进行了扩展，由最初的7位128个字符扩展到8位256个字符：

再后来，又有其他国家文字的加入，各国都需要有自己的字符集。

于是他们在ASCII的基础上，制定了自己的字符集，这些由ASCII派生出来的字符集都成为ASCI字符集，（这些字符集都是以7位128个字符的ASCII为基础）

正式的名称：MBCS(Multi-Byte Chactacter System，即多字节字符系统)

最常见的GB_2312就是其中之一。

以GB_2312为例：

GB_2312收录简化汉字及一般符号、序号、数字、拉丁字母、日文假名、希腊字母、俄文字母、汉语拼音符号、汉语注音字母，共7445个图形字符。其中包括6763个汉字，其中一级汉字3755个，二级汉字3008个；包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。

（科普：汉字大概6800个）

所谓 多字节字符集 的精髓就是，用多个字节的组合来表示代码。

例如：“连通”两个字的编码为：C1 AC CD A8

C1 AC 表示 “连”，

C1为leading byte 引导字节，可以理解为“区号”，当leading byte 小于128时，自动作为ASCII码进行处理。

AC为实际编码字节，可以理解为“位号”

分区表示：
GB_2312中对所收汉字进行了“分区”处理，每区含有94个汉字/符号。这种表示方式也称为区位码。
各区包含的字符如下：01-09区为特殊符号；16-55区为一级汉字，按拼音排序；56-87区为二级汉字，按部首/笔画排序；10-15区及88-94区则未有编码。
双字节表示
两个字节中前面的字节为第一字节，后面的字节为第二字节。习惯上称第一字节为“高字节”，而称第二字节为“低字节”。
“高位字节”使用了0xA1-0xF7(把01-87区的区号加上0xA0)，“低位字节”使用了0xA1-0xFE(把01-94加上0xA0)。