VC++下的Unicode编程

ASCII是用来表示英文字符的一种编码规范。每个ASCII字符占用1个字节，因此，ASCII编码可以表示的最大字符数是255（00H—FFH）。

其实，英文字符并没有那么多，一般只用前128个（00H－7FH，即0x0000 0000－0x0111 1111,最高位为0），其中包括了控制字符、数字、大小写字母和其它一些符号。

而另128个字符（80H—FFH，即0x1000 0000－0x1111 1111,最高位为1）被称为“扩展ASCII”，一般用来存放英文的制表符、部分音标字符等等的一些其它符号。

中文编码规范“GB2312—80，其实就是利用把一个中文字符用两个扩展ASCII字符来表示，以区分ASCII码部分。

这个方法有问题，最大的问题就是中文的文字编码和扩展ASCII码有重叠。而很多软件利用扩展ASCII码的英文制表符来画表格，这样的软件用到中文系统中，这些表格就会被误认作中文字符，出现乱码。

要真正解决这个问题，不能从扩展ASCII的角度入手，而必须有一个全新的编码系统，这个系统要可以为每一种文字的每个字符均分配一个单独的编码，Unicode为此诞生！

Unicode也是一种字符编码方法，它占用两个字节（0000H—FFFFH）,容纳65536个字符，这完全可以容纳全世界所有语言文字的编码。

在Unicode里，所有的字符被一视同仁，汉字不再使用“两个扩展ASCII”，而是所有的文字都按一个字符来处理，它们都有一个唯一的Unicode码。

    使用Unicode编码可以使您的工程同时支持多种语言，使您的工程国际化。

    Windows NT是使用Unicode进行开发的，整个系统都是基于Unicode的。如果调用一个API函数并给它传递一个ANSI（ASCII字符集以及由此派生并兼容的字符集，如：GB2312，通常称为ANSI字符集）字符串，那么系统首先要将字符串转换成Unicode，然后将Unicode字符串传递给操作系统。进行这些字符串的转换需要占用系统的时间和内存。如果用Unicode来开发应用程序，就能够使您的应用程序更加有效地运行。

    下面例举几个字符的编码以简单演示ANSI和Unicode的区别：(注意：中文字符的编号有了变化)

字符	A	N	和
ANSI码	41H	4eH	cdbaH
Unicode码	0041H	004eH	548cH

对宽字符的支持其实是ANSI C标准的一部分，用以支持多字节表示一个字符。宽字符和Unicode并不完全等同，Unicode只是宽字符的一种编码方式。

1、宽字符的定义

    在ANSI中，一个字符（char）的长度为一个字节（Byte）。使用Unicode时，一个字符占据一个字（2 Bytes），C++在wchar.h头文件中定义了最基本的宽字符类型wchar_t：

typedef unsigned short wchar_t; // 所谓的宽字符就是无符号短整数

2、常量宽字符串

　　对C++程序员而言，构造字符串常量是一项经常性的工作。那么，如何构造宽字符字符串常量呢？很简单，只要在字符串常量前加上一个大写的L就可以了，比如：wchar_t *str1 = L" Hello";

这个L非常重要，只有带上它，编译器才知道你要将字符串存成一个字符一个字(即一个字符两字节)。还要注意，在L和字符串之间不能有空格。

3、宽字符串库函数

    为了操作宽字符串，C++专门定义了一套函数，比如求宽字符串长度的函数是：

size_t __cdel wchlen(const wchar_t*);

    为什么要专门定义这些函数呢？最根本的原因是，ANSI下的字符串都是以’\0’来标识字符串尾的（Unicode字符串以“\0\0”结束），许多字符串函数的正确操作均是以此为基础进行。而我们知道，在宽字符的情况下，一个字符在内存中要占据一个字的空间(即一个字符两字节)，这就会使操作ANSI字符的字符串函数无法正确操作。

以”Hello”字符串为例，在宽字符下，它的五个字符是：0x0048 0x0065 0x006c 0x006c 0x006f

在内存中，实际的排列是：48 00 65 00 6c 00 6c 00 6f 00

于是，ANSI字符串函数，如strlen，在碰到第一个48后的00时，就会认为字符串到尾了，用strlen对宽字符串求长度的结果就永远会是1！

在许多多字节字符集中，0x00 到 0x7F 范围内的每个字符都与 ASCII 字符集中具有相同值的字符相同。

4、用宏实现对ANSI和Unicode通用的编程

    可见，C++有一整套的数据类型和函数实现Unicode编程，也就是说，您完全可以使用C++实现Unicode编程。
    如果我们想要我们的程序有两个版本：ANSI版本和Unicode版本。当然，编写两套代码分别实现ANSI版本和Unicode版本完全是行得通的。但是，针对ANSI字符和Unicode字符维护两套代码是非常麻烦的事情。为了减轻编程的负担，C++定义了一系列的宏，帮助您实现对ANSI和Unicode的通用编程。
　　C++宏实现ANSI和Unicode的通用编程的本质是根据”_UNICODE”（注意，有下划线）定义与否，这些宏展开为ANSI或Unicode字符（字符串）。

#ifdef _UNICODE
    typedef wchar_t TCHAR; // 定义了_UNICODE宏的情况下，TCHAR是两个字节的字符
    #define __T(x)  L##x  

    // ##是ANSI C标准的预处理语法，它叫做“粘贴运算符”，即将前面的L与宏参数合在一起。
    #define _T(x)   __T(x) // _T(x)一个下划线的变成__T(x)两个下划线的
#else
    #define __T(x) x       // 未定义_UNICODE宏的情况下，TCHAR是一个字节的字符
    typedef char   TCHAR;  // 非宽字符的字符串常量
#endif
*.几个预编译指令的用法

  #        字符串化运算符，其主要效果是把参数的名字转换为字符串。

  Example:   // 1. *.h中定义

#define STRINGLIZE(ivalue) #ivalue

// *.cpp中定义

CString strTmp = STRINGLIZE(2);

AfxMessageBox(strTmp);

// 结果是：弹出消息框中显示2，说明可以变成字符串

// 2.

#define STRINGLIZE(ivalue) printf(#ivalue " is: %d", ivalue)
             // 使用
             STRINGLIZE(2);

// 结果是：2 is: 2，将ivalue的值与后面的字符串合并成一个字符串了

// 注：以下这情况使用时的结果会有不同

int a = 2;

STRINGLIZE(a);

// 1. 结果是：弹出消息框中显示a

// 2. 结果是：a is: 2

注意：预处理的意思就是在编译运行前按字面处理，

  ##       粘贴运算符，即它先进行宏替换，再进行连接。

  Example:   #define MACR1 printf("MACR1 is invoked.")

#define MACR2 printf("MACR2 is invoked.")
             #define MAKE_MACR(n) MACR ## n

// 使用时

MAKE_MACR(2); // -->相当于调用了宏MACR2

// 结果是：MACR2 is invoked.

// 2.

#define STRINGLIZE(ivalue) TRACE("ivalue is: %d", ivalue##ivalue)

STRINGLIZE(2);

// 2. 结果是：ivalue is: 22

// 3.

int a = 2;

STRINGLIZE(a);

// 3. 结果是：error C2065: 'aa' : undeclared identifier

  #@       字符化运算符

  Example:   #define CHARIZEIT(x) #@x

// 使用

char c = CHARIZEIT(z);

// 结果是：c = 'z'

  #include 包含一个源代码文件

Example: #include /#include "my.h"/#include "t.c"

  #define  定义宏

  Example: #define MAX_NUM 10/#define max(x,y) (x) > (y) ? (x) : (y);

#define可以替代多行的代码，例如MFC中的宏定义:
             #define MACRO(arg1, arg2) do { \
               语句; \

}while(条件) 
           关键是要在每一个换行的时候加上一个"\"。

  #undef   取消已定义的宏

  #if      如果给定条件为真，则编译下面代码

  #ifdef   如果宏已经定义，则编译下面代码

  #ifndef  如果宏没有定义，则编译下面代码

  #elif    如果前面的#if给定条件不为真，当前条件为真，则编译下面代码

  #endif   结束一个#if/#ifdef/#ifndef...#else条件编译块

  #error   停止编译并显示错误信息

#line    指令可以改变编译器用来指出警告和错误信息的文件号和行号。

#pragma  指令没有正式的定义。编译器可以自定义其用途。

C++为字符串函数也定义了一系列宏，只例举几个常用的宏：

宏	未定义_UNICODE(ANSI字符)	定义了_UNICODE(Unicode字符)
_tcschr	strchr	wcschr
_tcscmp	strcmp	wcscmp
_tcslen	strlen	wcslen

四、使用Win32 API进行Unicode编程

Win32 API中定义了一些自己的字符数据类型。这些数据类型的定义在winnt.h头文件中。例如：

typedef char           CHAR;
    typedef unsigned short WCHAR;           // wc, 16-bit UNICODE character
    typedef CONST CHAR     *LPCSTR, *PCSTR;
    Win32 API在winnt.h头文件中定义了一些实现字符和常量字符串的宏进行ANSI/Unicode通用编程。同样，只例举几个最常用的：

    #ifdef UNICODE // 注意此处没有没有下划线

        typedef WCHAR         TCHAR, *PTCHAR;

        typedef LPWSTR        LPTCH, PTCH;

        typedef LPWSTR        PTSTR, LPTSTR;

        typedef LPCWSTR       LPCTSTR;

        #define __TEXT(quote) L##quote        // r_winnt

    #else                        // r_winnt

        typedef char          TCHAR, *PTCHAR;

        typedef LPSTR         LPTCH, PTCH;

        typedef LPSTR         PTSTR, LPTSTR;

        typedef LPCSTR        LPCTSTR;

        #define __TEXT(quote) quote           // r_winnt

    #endif                       // r_winnt

API的字符串操作函数和C++的操作函数可以实现相同的功能，所以，如果需要的话，建议您尽可能使用C++的字符串函数，没必要去花太多精力再去学习API的这些东西。

Win32 API实际上有两个版本。一个版本接受MBCS字符串，另一个接受Unicode字符串。

例如：其实根本没有SetWindowText()这个API函数，相反，有SetWindowTextA()和SetWindowTextW()。后缀A表明这是MBCS函数，后缀W表示这是Unicode版本的函数。这些API函数的头文件在winuser.h中声明，下面例举winuser.h中的SetWindowText()函数的声明部分：

    #ifdef UNICODE
        #define SetWindowText  SetWindowTextW
    #else
        #define SetWindowText  SetWindowTextA
    #endif // !UNICODE
    细心的读者可能已经注意到了UNICODE和_UNICODE的区别，前者没有下划线，专门用于Windows头文件；后者有一个前缀下划线，专门用于C运行时头文件。换句话说，也就是在ANSI C++语言里面根据_UNICODE（有下划线）定义与否，各宏分别展开为Unicode或ANSI字符，在Windows里面根据UNICODE（无下划线）定义与否，各宏分别展开为Unicode或ANSI字符。

实际使用中我们同时定义_UNICODE和UNICODE，以实现UNICODE版本编程。

微软提供了一些ANSI和Unicode兼容的通用数据类型，我们最常用的数据类型有_T ，TCHAR，LPTSTR, LPCTSTR。

LPCTSTR和const TCHAR*是完全等同的。其中L表示long指针，这是为了兼容Windows 3.1等16位操作系统遗留下来的，在Win32 中以及其它的32位操作系统中，long指针和near指针及far修饰符都是为了兼容的作用，没有实际意义。P（pointer）表示这是一个指针；C（const）表示是一个常量；T(_T宏)表示兼容ANSI和Unicode，STR（string）表示这个变量是一个字符串。综上可以看出，LPCTSTR表示一个指向常固定地址的可以根据一些宏定义改变语义的字符串。

比如: TCHAR  *szText = _T("Hello!");

         TCHAR   szText[] = _T("I Love You");

         LPCTSTR lpszText = _T("大家好！");
    使用函数中的参数最好也要有变化，比如：MessageBox(_T("你好"));其实，在这条语句中，即使您不加_T宏，MessageBox函数也会自动把“你好”字符串进行强制转换。还是推荐您使用_T宏，以表示您有Unicode编码意识。

一些字符串操作函数需要获取字符串的字符数(sizeof(szBuffer)/sizeof(TCHAR))，而另一些函数可能需要获取字符串的字节数sizeof(szBuffer)。您应该注意该问题并仔细分析字符串操作函数，以确定能够得到正确的结果。
    1. ANSI操作函数:          以str开头，如strcpy()，strcat()，strlen()；
    2. Unicode操作函数:       以wcs开头，如wcscpy，wcscpy()，wcslen()；
    3. ANSI/Unicode操作函数: 以_tcs开头 _tcscpy(C运行期库)；
    4. ANSI/Unicode操作函数: 以lstr开头 lstrcpy(Windows函数)；
考虑ANSI和Unicode的兼容，我们需要使用以_tcs开头或lstr开头的通用字符串操作函数。

很多时候程序中既需要Unicode，又需要使用ASCII，这时需要用到操作系统的2个API：

WideCharToMultiByte用来将Unicode字符串转化为MBCS的；

MultiByteToWideChar用来将MBCS字符串转化为Unicode的；

函数原型：

// 将宽字符转换成多个窄字符

int WideCharToMultiByte(UINT    CodePage,        // code page

                        DWORD   dwFlags,         // performance and mapping flags

                        LPCWSTR lpWideCharStr,   // wide-character string

                        int     cchWideChar,     // number of chars in string

                        LPSTR   lpMultiByteStr,  // buffer for new string

                        int     cbMultiByte,     // size of buffer

                        LPCSTR  lpDefaultChar,   // default for unmappable chars

                        LPBOOL  lpUsedDefaultChar); // set when default char used

// 将多个窄字符转换成宽字符

int MultiByteToWideChar(UINT   CodePage,       // code page

                        DWORD  dwFlags,        // character-type options

                        LPCSTR lpMultiByteStr, // string to map

                        int    cbMultiByte,    // number of bytes in string

                        LPWSTR lpWideCharStr,  // wide-character buffer

                        int    cchWideChar);   // size of buffer

这个是我们需要转化的MBCS字符串：char sText[20] = {"多字节字符串!OK!"};

而我们需要知道转化后的UNICODE字符串需要多少个数组空间？直接定义一个20 * 2UNICODE字符的数组，将会发现其中有浪费内存情况！

我们只需要将MultiByteToWideChar()的第四个形参设为-1，即可返回所需的短字符数组空间的个数：

DWORD dwNum = MultiByteToWideChar (CP_ACP, 0, sText, -1, NULL, 0);

    接下来，我们只需要分配响应的数组空间:

    wchar_t *pwText = NULL;

    pwText = new wchar_t[dwNum];

    if (!pwText)

    {

        delete []pwText;

    }

    再接着,我们就可以着手进行转换了。在这里以转换成ASCII码做为例子：

MultiByteToWideChar(CP_ACP, // ANSI code page

                        0,      //

                        sText,  // MBCS字符串

                        -1,     // 返回UNICODE字符串包括'\0'的长度

                        pwText, // UNICODE字符串数组

                        dwNum); // UNICODE字符串数组元素个数

    最后,使用完毕当然要记得释放占用的内存：delete []pwText;

    同理,宽字符转为多字节字符的代码如下：

    wchar_t wText[20] = {L"宽字符转换实例!OK!"};

    DWORD dwNum = WideCharToMultiByte(CP_OEMCP, // OEM code page

                                      0,        //

                                      wText,    // UNICODE字符串

                                      -1,       // 返回MBCS字符串包括'\0'的长度

                                      NULL,     //

                                      0,        //

                                      NULL,     //

                                      FALSE);   //

    char *psText = NULL;

    psText = new char[dwNum];

    if (!psText)

    {

        delete []psText;

    }

    WideCharToMultiByte (CP_OEMCP, 0, wText, -1, psText, dwNum, NULL, FALSE);

    delete []psText;

最后给一个实例代码：

void CTMUDlg::OnBnClickedButton1()
{

DWORD   dwNum = 0;

wchar_t wText[7]  = L"宽字符串示例";

char    sText[13] =  "窄字符串示例";

wchar_t *pwText = NULL;

char    *psText = NULL;

// 先显示一下

MessageBoxW(this->m_hWnd, wText, L"显示常量宽字符串", MB_OK);

MessageBoxA(sText, "显示常量窄字符串", MB_OK);

// 转换一下

dwNum = MultiByteToWideChar (CP_ACP, 0, sText, -1, NULL, 0);

pwText = new wchar_t[dwNum];

if (!pwText)

{

delete[] pwText;

}

MultiByteToWideChar(CP_ACP, // ANSI code page

0,      //

sText,  // MBCS字符串

-1,     // 返回UNICODE字符串包括'\0'的长度

pwText, // UNICODE字符串数组

dwNum); // UNICODE字符串数组元素个数

MessageBoxW(this->m_hWnd, pwText, L"显示窄转宽字符串", MB_OK);

delete[] pwText;

dwNum = WideCharToMultiByte(CP_OEMCP, // OEM code page

0,        //

wText,    // UNICODE字符串

-1,       // 返回MBCS字符串包括'\0'的长度

NULL,     //

0,        //

NULL,     //

FALSE);   //

psText = new char[dwNum];

if (!psText)

{

delete[] psText;

}

WideCharToMultiByte (CP_OEMCP, 0, wText, -1, psText, dwNum, NULL, FALSE);

MessageBoxA(psText, "显示宽转窄字符串", MB_OK);

delete[] psText;
}