寬字符

Unicode

寬字符有很多種，Unicode只 是寬字符編碼的一種實現，每個字符用 16位 表示。

Unicode的產生是為了解決許多8位無法標識的東西。

 

ASCII

這是世界上流行的編碼，每個字符用 7位 表示。但是這套編碼不能表示一些其他國家的字符，可以說這套編碼是為美國設計的。

C語言的寬字符是基於 wchar_t 數據類型的。這個數據類型被定義在多個頭文件中，包括 WCHAR.H

   typedef  unsigned short wchar_t;

所以 wchar_t  數據類型和一個無符號整型一樣，都是 16位 寬。

可以這樣定義一個包含單個寬字符的變量

wchar_t c = 'A' ;

也可以這樣定義：

wchar_t c = L'A' ;       //但這通常是不需要的。

變量 c 是一個 2 byte 的值0x0041,這是Unicode中字母A的代表。它在內存中的存儲是按照高位在后，低位在前存儲的。

所以在內存中是這樣，0x41,0x00。

可以這樣定義一個已初始化的指向寬字符串的指針：

 wchar_t *p = L"Hello!";

  注意：大寫字母 L 緊接着左引號。這向編譯器表明這個字符串將用寬字符存儲，也就是說每個字符 2 byte。

 

   這個字符串一共 14 byte，因為字符串結尾需要加 0 。

   指針變量 p 需要 4 byte的存儲空間，因為在匯編里 cs:ip 表示代碼執行的指針。cs : 段位移    ip : 偏移地址。

 

寬字符庫函數

   大家都知道     char *pc = "Hello!";               iLength = strlen(pc);                   iLength = 6

             那么    wchar_t *pw = L"Hello!";       iLength = strlen(pw);                  iLength = ?

    此時編譯的話編譯器會發出警告，意思是strlen函數在被定義是為接收一個指向char的指針，

    但這里收到的是一個指向無符號短整型的指針。但仍可以運行。 但 iLength =1  這是為什么呢？

   因為這些字符串數據是這樣存儲在內存中的   48 00 65 00 6c 00 6F 00 21 00

   strlen函數仍試圖找字符串的長度，計算第一個字節作為字符，但然后認為第二個字節 0 為字符串的結尾。所以長度為 1 。

 

  因此對於寬字符的數據處理也引入了專門的庫函數。

  寬字符版本的strlen函數被稱為 wcslen("string"),並定義在STRING.H 和 WCHAR.H 中。

   在介紹使用之前，先來介紹下面兩個數據類型：   CHAR              WCHAR

    在 WINNT.H 中定義了：

                        typedef   char   CHAR;                               用來定義 8位 的字符

                       typedef   wchar_t    WCHAR;                     用來定義 16位 的字符

    當然其中也定義了字符指針：

     這些都是 8位 字符串指針                                    指每次指針移動偏移 8位

                       typedef  CHAR * PCHAR,* LPCH,* NPSTR, * PSTR;

                       typedef  CONST CHAR * LPCCH, * PCCH, * LPCSTR, * PCSTR;

這里的 PCHAR,LPCH,NPSTR,PSTR 都是CHAR * 的別名，以后定義一個指針就可以直接用別名了。

     例如 ：CHAR *P     和   PCHAR P     是同一個意思，懂了吧

     也有 16位 的字符串指針                                       指每次指針移動偏移 16 位

                      typedef  WCHAR *PWCHAR,*LPWCH, *PWCH, *NWPSTR, *LPWSTR, *PWSTR;

                      typedef  CONST WCHAR * LPCWCH, * PCWCH, * LPCWSTR, * PCWSTR;

     另外，前綴 N 和 L 分別是表示"近"(near)，和"遠"(long),指的是 16位 Windows系統中的兩種大小不同的指針

    不過在win32中near，和long指針沒有區別，所以不必管它。

 

那么如何使用同一個函數名來實現不同的功能呢？

  在包含頭文件 TCHAR.H 的情況下，舉個例子：如果一個命名為_UNICODE的標識符被定義了，那么就實現處理寬字符串的功能，

  否則就仍是處理單字節字符的字符串。

#ifdef  UNICODE                   
typedef WCHAR TCHAR, *PTCHAR ;
typedef LPWSTR LPTCH, PTCH, PTSTR, LPTSTR ;
typedef LPCWSTR LPCTSTR ;
#else 
typedef char TCHAR, *PTCHAR ;
typedef LPSTR LPTCH, PTCH, PTSTR, LPTSTR ;
typedef LPCSTR LPCTSTR ;
#endif

同時用來選擇字符處理函數，例如WINUSER.H中：

#ifdef UNICODE
#define MessageBox  MessageBoxW
#else
#define MessageBox  MessageBoxA
#endif 

這 樣，我們只用一種類型(比如TCHAR)和一組函數(比如MessageBox)就方便地可以處理兩種編碼的程序，

而不用去條件判斷應該用char還是 wchar_t，

應該用MessageBoxA還是MessageBoxW。這些細節Windows.h等頭文件中已經為我們考慮了，

我們要做的只是在需要用Unicode時定義兩個符號。

 

另外提醒一下：

                  _UNICODE 是讓 C 函數使用 unicode
                    UNICODE  是讓 API 使用 unicode