C语言汉字写入问题及Unicode优势Word格式文档下载.docx

C语言汉字写入问题及Unicode优势Word格式文档下载.docx

《C语言汉字写入问题及Unicode优势Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《C语言汉字写入问题及Unicode优势Word格式文档下载.docx（10页珍藏版）》请在冰豆网上搜索。

而汉字的编码目前有GB2312-1980和GB18030-2000，GB2312就是DBCS类型的汉字编码，GB18030就是UNICODE的汉字编码，当然GB18030兼容GB2312，也就是说GB18030也支持DBCS的字符处理方式。

虽然GB18030是2000年后强制执行的国家标准，但目前使用最多的还是GB2312编码，而且GB2312也足够处理你所用到的汉字了。

还有GBK编码是GB2312的增强版。

这里我仅支持GB2312。

由于GB2312是中国大陆制定的标准，所以繁体中文并不在GB2312的编码中，如果你的程序需要支持繁体中文，则还需要处理Big5编码。

其实也很简单。

下面说一下在C中如何处理GB2312编码的汉字。

以VC6.0为例，如果声明变量的类型为wchar_t则是UNICODE编码，如果是char则是DBCS编码比如我的一个函数声明是：

voidJustify（HDChdc,PTSTRpText,RECT*prc,intiAlign） 

其中的pText是PTSTR类型，PTSTR在WINNT.H中有两个定义（WINNT.H中的这段代码我删掉了中间无关的部分）

#ifdef 

UNICODE

typedefLPWSTRPTSTR,LPTSTR;

//如果是UNICODE编码，则定义PTSTR为LPWSTR类型

#else

typedefLPSTRPTSTR,LPTSTR;

//如果是不是UNICODE编码，则定义PTSTR为LPSTR类型

#endif

LPSTR定义为CHAR的指针

LPSWSTR定义为WCHAR的指针

CHAR定义为char类型

WCHAR定义为wchar_t类型

而wchar_t定义为unsignedshort类型，它是16位，两个字节，无符号短整数

"

XX"

两字的ASCII码分别为：

百：

B0D9度：

B6C8

如果要向test_ascii.txt写入"

百"

字，则可以这样写代码：

#include<

stdio.h>

main（）{

FILE*fp1;

intascii1,ascii2;

fp1=fopen（"

test_ascii.txt"

"

wb+"

）;

ascii1=0xB0;

ascii2=0xD9;

fwrite（&

ascii1,1,1,fp1）;

ascii2,1,1,fp1）;

fclose（fp1）;

}

我发现TurboC中：

一个int型变量和一个汉字一样，都是占两个字节的，那我们不就可以用一个int型变量来存储一个汉字吗？

答案是可以的：

这样写代码：

intascii;

ascii=0xD9*256+0xB0;

ascii,2,1,fp1）;

关于汉字的ASCII码还可以看我的另一篇博客

URL编码学习（汉字ASCII查询）

一、什么是Unicode

　　先从ASCII说起，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，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。

而最高位为1的另128个字符（80H—FFH）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。

　　这种字符编码规则显然用来处理英文没有什么问题。

但是面对中文、阿拉伯文等复杂的文字，255个字符显然不够用。

于是，各个国家纷纷制定了自己的文字编码规范，其中中文的文字编码规范叫做“GB2312—80”，它是和ASCII兼容的一种编码规范，其实就是利用扩展ASCII没有真正标准化这一点，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。

　　但是这个方法有问题，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。

　　另外，由于各国和各地区都有自己的文字编码规则，它们互相冲突，这给各国和各地区交换信息带来了很大的麻烦。

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，这个系统要可以将中文、法文、德文……等等所有的文字统一起来考虑，为每一个文字都分配一个单独的编码。

于是，Unicode诞生了。

　　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”，而是使用“1个Unicode”，也就是说，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。

二、使用Unicode编码的好处

　　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。

　　另外，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。

如果希望函数返回ANSI字符串，系统就会首先将Unicode字符串转换成ANSI字符串，然后将结果返回给您的应用程序。

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：

字符AN和ANSI码41H4eHcdbaHUnicode码0041H004eH548cH

三、使用C++进行Unicode编程

　　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，C++在wchar.h头文件中定义了最基本的宽字符类型wchar_t：

typedefunsignedshortwchar_t;

从这里我们可以清楚地看到，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。

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’\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，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！

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）。

如下是tchar.h头文件中部分代码摘抄：

#ifdef_UNICODE

typedefwchar_tTCHAR;

#define__T（x）L##x

#define_T（x）__T（x）

#define__T（x）x

typedefcharTCHAR;

　　可见，这些宏根据”_UNICODE”定义与否，分别展开为ANSI或Unicode字符。

tchar.h头文件中定义的宏可以分为两类：

A、实现字符和常量字符串定义的宏我们只列出两个最常用的宏：

宏未定义_UNICODE（ANSI字符）定义了_UNICODE（Unicode字符）TCHARcharwchar_t_T（x）xL##x

注意：

　　“##”是ANSIC标准的预处理语法，它叫做“粘贴符号”，表示将前面的L添加到宏参数上。

也就是说，如果我们写_T（“Hello”），展开后即为L“Hello”

B、实现字符串函数调用的宏

C++为字符串函数也定义了一系列宏，同样，我们只例举几个常用的宏：

宏未定义_UNICODE（ANSI字符）定义了_UNICODE（Unicode字符）_tcschrstrchrwcschr_tcscmpstrcmpwcscmp_tcslenstrlenwcslen

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-bitUNICODEcharactertypedefCONSTCHAR*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：

#ifdefUNICODEtypedefWCHARTCHAR,*PTCHAR;

typedefLPWSTRLPTCH,PTCH;

typedefLPWSTRPTST