目錄
1.5.2 #pragma execution_character_set 7
1.5.4 /utf-8和/validate-charset 8
第1章源代碼文件
VC++源代碼文件（*.h;*.hpp;*.c;*.cxx;*.cpp;*.inl……），在VC++6.0時都是ANSI編碼，從VC++2002開始逐步支持Unicode編碼。在不同的文件編碼下，VC++編譯器對字符串的編譯處理是不同的。本文對此進行詳細說明。
1.1 研究思路
如下表所示，生成四個源代碼文件：
| //ANSI936.cpp 保存為 ANSI 編碼（代碼頁為 936 GBK） static char* s = "936-ssssss-Ａ"; static wchar_t* w = L"936-wwwwww-Ａ"; |
| //UTF8.cpp 保存為 UTF-8 編碼（有BOM） static char* s = "utf8-ssssss-Ａ®"; static wchar_t* w = L"utf8-wwwwww-Ａ®"; |
| //UTF16BE.cpp 保存為 UTF-16編碼（高位字節在前，有BOM） static char* s = "utf16BE-ssssss-Ａ®"; static wchar_t* w = L"utf16BE-wwwwww-Ａ®"; |
| //UTF16LE.cpp 保存為 UTF-16編碼（低位字節在前，有BOM） static char* s = "utf16LE-ssssss-Ａ®"; static wchar_t* w = L"utf16LE-wwwwww-Ａ®"; |
使用VC++打開編譯后生成的exe文件。如下圖所示，請單擊"Open"按鈕的右端，彈出菜單中，請單擊【Open With...】菜單項
圖1.1
顯示如下對話框：
圖1.2
上圖中，選擇"Binary Editor"（二進制編輯器），然后單擊OK按鈕。就以二進制方式打開exe文件了。如下圖所示：
圖1.3
在這個exe文件里查找"-ssssss-"即可找到窄字符串（char*）的編碼，如下圖所示：
圖1.4
上圖中"-ssssss-"前面有utf16BE，說明該字符串在文件UTF16BE.cpp里，編碼為UTF16BE。重點是"-ssssss-"后面的A3 C1 3F 00。"A3 C1"是"Ａ"（全角字符A）的GBK編碼，3F是"®"的GBK編碼（GBK里沒有字符®，所以用?表示）。
同理，在exe文件里查找"-wwwwww-"即可找到寬字符串（wchar_t*）的編碼。
1.2 實驗結果
實驗結果如下所示
| 編譯器 |
文件 |
char*s = "..."; |
wchar_t* w = L"..."; |
| 2002 |
ANSI936.cpp |
ANSI |
UTF16LE |
| UTF8.cpp UTF16BE.cpp UTF16LE.cpp |
無法編譯 |
無法編譯 |
|
| 2003 |
ANSI936.cpp |
ANSI |
UTF16LE |
| UTF8.cpp UTF16BE.cpp UTF16LE.cpp |
UTF-8 |
UTF16LE |
|
| 2005 至 2015 |
ANSI936.cpp |
ANSI |
UTF16LE |
| UTF8.cpp UTF16BE.cpp UTF16LE.cpp |
ANSI |
UTF16LE |
說明：
1、從vc2005~vc2015，均能正常編譯生成窄字符串（char*，編碼是ANSI編碼）和寬字符串（wchar_t*，編碼是UTF-16LE）；
2、Unicode編碼的文件（UTF8.cpp、UTF16BE.cpp、UTF16LE.cpp）中含有字符"®"。編譯窄字符串時，會將該字符由Unicode編碼轉換為ANSI編碼（代碼頁是936 GBK）。代碼頁GBK里沒有字符"®"，編譯時會顯示警告：
| w:\vc\test\src\utf16le.cpp(5): warning C4566: character represented by universal-character-name '\u00AE' cannot be represented in the current code page (936) |
3、vc2002對Unicode源文件的支持度不高——含有字符Ａ®的字符串無法編譯；
4、vc2003編譯生成的窄字符串編碼比較有意思：其編碼不是ANSI編碼，而是UTF-8編碼。因此，筆者猜測——編譯器遇到Unicode編碼的源文件時，會將其轉換為UTF-8編碼進行編譯。
1.3 #pragma setlocale
編譯生成寬字符串時，有時需要指定ANSI代碼頁。如下面的代碼：
| //UTF8.cpp 保存為 UTF-8 編碼（有BOM） static wchar_t* w = L"utf8-wwwwww-Ａ®"; |
| //UTF16BE.cpp 保存為 UTF-16編碼（高位字節在前，有BOM） static wchar_t* w = L"utf16BE-wwwwww-Ａ®"; |
| //UTF16LE.cpp 保存為 UTF-16編碼（低位字節在前，有BOM） static wchar_t* w = L"utf16LE-wwwwww-Ａ®"; |
| //ANSI936.cpp 保存為 ANSI 編碼（代碼頁為 936 GBK） static wchar_t* w1 = L"936-wwwwww-Ａ"; #pragma setlocale(".950") static wchar_t* w2 = L"950-wwwwww-⑾"; |
前三個文件，因為都是Unicode編碼，轉換為寬字符串時無需指定ANSI代碼頁。
文件ANSI936.cpp比較有意思：
1、"936-wwwwww-Ａ"的編碼是936 GBK，編譯時需要將其轉換為Unicode編碼，使用的代碼頁就是系統默認的ANSI代碼頁，簡體中文下就是936 GBK。因此，在簡體中文操作系統下，L"936-wwwwww-Ａ"能夠被正確的編譯；
2、"950-wwwwww-⑾"的編碼是Big5。字符"⑾"的編碼是A2 CF，這個編碼在代碼頁950 Big5下就是字符"Ａ"；在代碼頁936 GBK下就是字符"⑾"。編譯器在編譯L"950-wwwwww-⑾"時，因為#pragma setlocale(".950")指定ANSI代碼頁為950 Big5，所以"950-wwwwww-⑾"中的"⑾"將被轉換為"Ａ"。
VC++6.0時代，就是靠#pragma setlocale在代碼里實現多語言的。如下面的代碼：
| //ANSI936.cpp 保存為 ANSI 編碼（代碼頁為 936 GBK） #pragma setlocale(".936") static wchar_t* w1 = L"936-wwwwww-Ａ"; #pragma setlocale(".950") static wchar_t* w2 = L"950-wwwwww-⑾"; |
不論操作系統的語言是什么，只要安裝了代碼頁936和950，就能夠正常編譯上述代碼。
注意：
1、#pragma setlocale只在ANSI編碼的文件里有效，且只對寬字符串有效；
2、#pragma setlocale設置代碼頁時，代碼頁的編碼最多只能有兩個字節。如：#pragma setlocale(".65001")希望設置代碼頁為UTF-8，是不會成功的。因為UTF-8編碼有可能超過兩個字節。
1.4 /source-charset
簡體中文操作系統下，源文件保存為ANSI編碼時，代碼頁為936 GBK；
繁體中文操作系統下，源文件保存為ANSI編碼時，代碼頁為950 Big5；
………………
假如某個源文件的編碼是ANSI編碼，且是在繁體中文操作系統下編輯而成的。拿到簡體中文操作系統下編譯，編譯器就會錯誤的把代碼頁950 Big5里的字符當做代碼頁936 GBK里的字符進行編譯，有可能會產生亂碼。
此時，可以將這個文件的編碼轉換為UTF-8編碼。
如果不想修改文件，可以設置編譯器，如下圖所示：
圖1.5
上圖中，選項"/source-charset:.950"設置文件"ANSI950.cpp"的代碼頁為950。
注意/source-charset與#pragma setlocale的區別：#pragma setlocale(".950")僅僅影響寬字符串；/source-charset:.950會把整個文件的編碼當做ANSI 950，也就是說它不僅影響寬字符串，還影響窄字符串。
1.5 使用UTF-8字符串
Linux的窄字符串（char*）默認是UTF-8編碼，因此很多開源的C/C++庫使用的窄字符串也是UTF-8編碼，如：SQLite、TinyXML……
VC++的窄字符串默認為ANSI編碼，為了使用上述開源庫，需要在ANSI編碼與UTF-8編碼之間來回轉換。
VC++在編譯時，能不能直接編譯成UTF-8字符串？從vc2010后，這方面的支持在逐步增強。
1.5.1 /execution-charset
如下圖所示，給整個項目添加選項"/execution-charset:utf-8"。其含義是：編譯窄字符串時，將其編碼轉換為UTF-8編碼。
圖1.6
按上圖設置后，下面的窄字符串將統統變為UTF-8編碼。
| //ANSI936.cpp 保存為 ANSI 編碼（代碼頁為 936 GBK） static char* s = "936-ssssss-Ａ"; |
| //UTF8.cpp 保存為 UTF-8 編碼（有BOM） static char* s = "utf8-ssssss-Ａ®"; |
| //UTF16BE.cpp 保存為 UTF-16編碼（高位字節在前，有BOM） static char* s = "utf16BE-ssssss-Ａ®"; |
| //UTF16LE.cpp 保存為 UTF-16編碼（低位字節在前，有BOM） static char* s = "utf16LE-ssssss-Ａ®"; |
千萬不要把這些字符串傳給ANSI版本的Windows API，如：MessageBoxA，因為這些API需要的是ANSI編碼的字符串，而不是UTF-8編碼的字符串。
1.5.2 #pragma execution_character_set
/execution-charset的殺傷半徑太大——要么影響某個文件，要么影響整個項目。使用#pragma execution_character_set會更好些。如下面的代碼：
| #pragma execution_character_set("utf-8") const char* s1 = "11111-Ａ"; #pragma execution_character_set(".ACP") const char* s2 = "22222-Ａ"; |
字符串"11111-Ａ"：因為#pragma execution_character_set("utf-8")的緣故，將被編譯為UTF-8編碼；
字符串"22222-Ａ"：因為#pragma execution_character_set(".ACP")的緣故，將被編譯為ANSI編碼。代碼頁是系統默認的代碼頁，在簡體中文操作系統下，就是936 GBK。
1.5.3 u8
從vc2015開始，編譯器支持u8字符串，如下面的代碼：
| static char* s = u8"utf8-ssssss-Ａ®"; |
字符串增加了前綴u8，表示編譯后該字符串的編碼為UTF-8。
有了u8字符串，就不要用/execution-charset和#pragma execution_character_set了。
1.5.4 /utf-8和/validate-charset
/utf-8相當於同時設置"/source-charset:utf-8"和"/execution-charset:utf-8"。
/validate-charset 的含義是：檢查字符串里的字符是否合法。如下面的代碼：將Unicode編碼的字符串轉換為GBK時，因為字符®在GBK里不存在，因此編譯時應該提示用戶。選項"/validate-charset"表示檢查並生成警告信息；選項"/validate-charset-"表示不檢查。（筆者實際測試發現：不管怎么設置，都會產生警告信息）
| //UTF8.cpp 保存為 UTF-8 編碼（有BOM） static char* s = "utf8-ssssss-Ａ®"; |
1.6 總結
1、vc6~vc2003的源代碼文件，請使用ANSI編碼，不要使用Unicode編碼；多語言支持的要點有兩個：一是使用寬字符串；二是使用#pragma setlocale設置代碼頁；
2、vc2005~vc2015的源代碼文件，建議使用有BOM的UTF-8編碼。字符串盡量使用寬字符串。這樣，就不會因為編碼轉換導致亂碼。®由Unicode編碼轉換為GBK碼生成亂碼?就是一個例子；
3、將源代碼文件由ANSI編碼升級為UTF-8編碼時，一定要謹慎處理#pragma setlocale語句；
4、VC++編譯時就生成UTF-8字符串的方法：1）vc6~vc2008編譯器不支持，請自行編碼實現；2）vc2010~vc2013可使用#pragma execution_character_set；3）vc2015可使用u8關鍵詞。
第2章資源文件
2.1 ANSI編碼
經筆者測試發現：vc2002、vc2003雖然編譯.rc文件時支持UTF16LE、UTF16BE編碼，但是不能編輯。因此，vc6~vc2003的.rc文件，請使用ANSI編碼。
下圖表示資源文件里，同一個字符串IDS_STRING129在兩個字符串表里。一個是936代碼頁的，另一個是950代碼頁的。
圖2.1
記事本查看.rc文件，其內容精簡如下：
| LANGUAGE LANG_CHINESE, SUBLANG_CHINESE_SIMPLIFIED #pragma code_page(936) STRINGTABLE BEGIN IDS_STRING129 "936Ａ" END |
| LANGUAGE LANG_CHINESE, SUBLANG_CHINESE_TRADITIONAL #pragma code_page(950) STRINGTABLE BEGIN IDS_STRING129 "950⑾" END |
LANGUAGE LANG_CHINESE, SUBLANG_CHINESE_SIMPLIFIED表示其接下來的資源屬於簡體中文；#pragma code_page(936)表示接下來的字符串，其代碼頁為936。"936Ａ"的代碼頁是936，在簡體中文操作系統下，它能夠正常顯示。
LANGUAGE LANG_CHINESE, SUBLANG_CHINESE_TRADITIONAL表示其接下來的資源屬於繁體中文；#pragma code_page(950)表示接下來的字符串，其代碼頁為950。"950Ａ"的代碼頁是950，在簡體中文操作系統下，它不能正常顯示。
2.2 UTF16LE編碼
經筆者測試發現：vc2005~vc2015的rc文件支持ANSI、UTF16BE、UTF16LE編碼，不支持UTF-8編碼。
下圖表示資源文件里，同一個字符串IDS_STRING129在兩個字符串表里。一個是936代碼頁的，另一個是950代碼頁的。
圖2.2
記事本查看.rc文件，其內容精簡如下：
| LANGUAGE LANG_CHINESE, SUBLANG_CHINESE_SIMPLIFIED STRINGTABLE BEGIN IDS_STRING129 "936Ａ" END |
| LANGUAGE LANG_CHINESE, SUBLANG_CHINESE_TRADITIONAL STRINGTABLE BEGIN IDS_STRING129 "950Ａ" END |
LANGUAGE LANG_CHINESE, SUBLANG_CHINESE_SIMPLIFIED表示其接下來的資源屬於簡體中文；LANGUAGE LANG_CHINESE, SUBLANG_CHINESE_TRADITIONAL表示其接下來的資源屬於繁體中文。
兩個字符串"936Ａ""950Ａ"均屬於Unicode編碼，因此兩個"Ａ"均能在記事本里正常顯示。
2.3 總結
1、vc6~vc2003的.rc文件，請使用ANSI編碼。簡體中文的資源請在簡體中文操作系統下編輯；繁體中文的資源請在繁體中文操作系統下編輯……盡量不要使用記事本來編輯.rc文件；
2、vc2005~vc2015的.rc文件，請使用UTF16LE編碼；
3、將.rc文件由ANSI編碼升級為UTF16LE編碼時，可刪除語句#pragma code_page。但是一定要注意字符串的ANSI編碼，將其轉換為正確的Unicode編碼。