Unicode编程.docx
《Unicode编程.docx》由会员分享，可在线阅读，更多相关《Unicode编程.docx（13页珍藏版）》请在冰豆网上搜索。
Unicode编程
Unicode编程
1.1VC++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0x00000000-0x01111111,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0x10000000-0x11111111，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。
WindowsNT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ANSIC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（2Bytes），C++在wchar.h头文件中定义了最基本的宽字符类型wchar_t：
typedefunsignedshortwchar_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__cdelwchlen（constwchar_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’’来标识字符串尾的（Unicode字符串以“”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：
0x00480x00650x006c0x006c0x006f
在内存中，实际的排列是：
480065006c006c006f00
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
typedefwchar_tTCHAR;//定义了_UNICODE宏的情况下，TCHAR是两个字节的字符
#define__T（x）L##x
//##是ANSIC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
typedefcharTCHAR;//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
#defineSTRINGLIZE（ivalue）#ivalue
//*.cpp中定义
CStringstrTmp=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.
#defineSTRINGLIZE（ivalue）printf（#ivalue"is:
%d",ivalue）
//使用
STRINGLIZE
（2）;
//结果是：
2is:
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
inta=2;
STRINGLIZE（a）;
//1.结果是：
弹出消息框中显示a
//2.结果是：
ais:
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:
#defineMACR1printf（"MACR1isinvoked."）
#defineMACR2printf（"MACR2isinvoked."）
#defineMAKE_MACR（n）MACR##n
//使用时
MAKE_MACR
（2）;//-->相当于调用了宏MACR2
//结果是：
MACR2isinvoked.
//2.
#defineSTRINGLIZE（ivalue）TRACE（"ivalueis:
%d",ivalue##ivalue）
STRINGLIZE
（2）;
//2.结果是：
ivalueis:
22
//3.
inta=2;
STRINGLIZE（a）;
//3.结果是：
errorC2065:
'aa':
undeclaredidentifier
#@字符化运算符
Example:
#defineCHARIZEIT（x）#@x
//使用
charc=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:
#defineMAX_NUM10/#definemax（x,y）（x）>（y）?
（x）:
（y）;
#define可以替代多行的代码，例如MFC中的宏定义:
#defineMACRO（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Win32API进行Unicode编程
Win32API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：
typedefcharCHAR;
typedefunsignedshortWCHAR;//wc,16-bitUNICODEcharacter
typedefCONSTCHAR*LPCSTR,*PCSTR;
Win32API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：
#ifdefUNICODE//注意此处没有没有下划线
typedefWCHARTCHAR,*PTCHAR;
typedefLPWSTRLPTCH,PTCH;
typedefLPWSTRPTSTR,LPTSTR;
typedefLPCWSTRLPCTSTR;
#define__TEXT（quote）L##quote//r_winnt
#else//r_winnt
typedefcharTCHAR,*PTCHAR;
typedefLPSTRLPTCH,PTCH;
typedefLPSTRPTSTR,LPTSTR;
typedefLPCSTRLPCTSTR;
#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。
Win32API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：
#ifdefUNICODE
#defineSetWindowTextSetWindowTextW
#else
#defineSetWindowTextSetWindowTextA
#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ANSIC++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constTCHAR*是完全等同的。
其中L表示long指针，这是为了兼容Windows3.1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!
"）;
TCHARszText[]=_T（"ILoveYou"）;
LPCTSTRlpszText=_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
intWideCharToMultiByte（UINTCodePage,//codepage
DWORDdwFlags,//performanceandmappingflags
LPCWSTRlpWideCharStr,//wide-characterstring
intcchWideChar,//numberofcharsinstring
LPSTRlpMultiByteStr,//bufferfornewstring
intcbMultiByte,//sizeofbuffer
LPCSTRlpDefaultChar,//defaultforunmappablechars
LPBOOLlpUsedDefaultChar）;//setwhendefaultcharused
//将多个窄字符转换成宽字符
intMultiByteToWideChar（UINTCodePage,//codepage
DWORDdwFlags,//character-typeoptions
LPCSTRlpMultiByteStr,//stringtomap
intcbMultiByte,//numberofbytesinstring
LPWSTRlpWideCharStr,//wide-characterbuffer
intcchWideChar）;//sizeofbuffer
这个是我们需要转化的MBCS字符串：
charsText[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：
DWORDdwNum=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=newwchar_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,//ANSIcodepage
0,//
sText,//MBCS字符串
-1,//返回UNICODE字符串包括''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_twText[20]={L"宽字符转换实例!
OK!
"};
DWORDdwNum=WideCharToMultiByte（CP_OEMCP,//OEMcodepage
0,//
wText,//UNICODE字符串
-1,//返回MBCS字符串包括''的长度
NULL,//
0,//
NULL,//
FALSE）;//
char*psText=NULL;
psText=newchar[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：
voidCTMUDlg:
:
OnBnClickedButton1（）
{
DWORDdwNum=0;
wchar_twText[7]=L"宽字符串示例";
charsText[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=newwchar_t[dwNum];
if（!
pwText）
{
delete[]pwText;
}
MultiByteToWideChar（CP_ACP,//ANSIcodepage
0,//
sText,//MBCS字符串
-1,//返回UNICODE字符串包括''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,//OEMcodepage
0,//
wText,//UNICODE字符串
-1,//返回MBCS字符串包括''的长度
NULL,//
0,//
NULL,//
FALSE）;//
psText=newchar[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;
}
升级会员 