寬字元與Unicode

在c語言中，我們使用char來定義字元，占用乙個位元組，最多只能表示128個字元，也就是ascii碼中的字元。計算機起源於美國，char 可以表示所有的英文本元，在以英語為母語的國家完全沒有問題。

但是世界上存在很多不同的語言，例如漢語、漢語、日語等有成千上萬個字元，需要用多個位元組來表示，稱之為

寬字元(wide character)

。unicode 是寬字元編碼的一種，已經被現代計算機指定為預設的編碼方式，windows 2000以後的作業系統，包括windows 2000、xp、vista、win7、win8、win10、windows phone、windows server 等（它們統稱為 windows nt）都從底層支援unicode，訪問效率比 char 要高。

ascii編碼與unicode編碼

在c語言中，使用wchar.h標頭檔案中的wchar_t來定義寬字元，例如：

wchar_t ch = 'a';

wchar_t 被定義為typedef unsigned short wchar_t，和乙個無符號整型一樣，占用兩個位元組。

如果定義寬字串，需要加字首l，例如：

wchar_t *str = l"c語言中文網";

l是必須要加的，並且與字串之間不能有空格，只有這樣編譯器才知道每個字元占用兩個位元組。

寬字元示例：

#include
#include
intmain
()

執行結果：

ch=1, wch=2, str=12, wstr=14

wstr 之所以比 str 多兩個位元組是因為：字元 'c' 占用兩個位元組，字串結束標誌 '\0' 也占用兩個位元組。計算ascii字串長度使用 strlen 函式，計算寬字串長度使用 wcslen 函式：

#include
#include
#include
intmain
()

執行結果：

strlen(str)=11, wcslen(wstr)=6

strlen 的執行結果顯然不正確，因為它把乙個位元組作為乙個字元計算，而 wcslen 把兩個位元組作為乙個字元計算。

注意：wcslen 在 string.h 和 wchar.h 標頭檔案中均有說明。

在 windows nt 以前的作業系統中，甚至包括 windows 98，對寬字元的支援都不是很好，所以大多情況下使用ascii編碼。windows nt 推出以後，已經從底層支援了unicode，所以在 windows nt 上的程式大多使用unicode。

如果你希望程式能夠在各種版本的windows作業系統中執行，那麼就需要維護兩個版本的源**，ascii 版和 unicode 版。ascii 字元和 unicode 字元的定義、使用都不一樣，要想在乙個版本的源**中做相容處理會非常困難，要做大量的工作，對程式設計師來說簡直是噩夢。

不過，windows 又為我們做了一件好事，已經處理了相容性問題。它是怎麼做到的呢？

例如對於字串，ascii 中使用 char 來定義，而 unicode 中使用 wchar_t 來定義，並且需要新增字首l。那麼在 windows.h 標頭檔案中（或者是它包含的其他標頭檔案）就這樣來處理：

#ifdef unicode
typedef
wchar_t tchar;
#define
text
(quote) l##quote
#else
typedef
char tchar
#define
text
(quote) quote
#endif

我們在原始碼中可以這樣來使用：

tchar str = text("c語言中文網");

如果是unicode版，也就是定義了unicode巨集，那麼上面的語句等價於：

wchar_t str = l"c語言中文網";

如果是ascii，也就是沒有定義unicode巨集，那麼等價於：

char str = "c語言中文網";

在windows中，隨處可見這樣的處理。雖然現代作業系統都已經支援unicode，無需再考慮與ascii的相容性問題，但是依然要為這些歷史問題付出代價。

總結：由於各種各樣的原因，我們優先使用windows定義的資料型別、巨集、結構體等，這樣編寫的程式相容性較好，不用考慮ascii和unicode的問題。但這也帶來了乙個挑戰，就是要熟悉window定義的資料型別、巨集、結構體等。

寬字元與Unicode

Unicode 寬位元組字符集

寬字符集（unicode）操作函式

寬字符集（unicode）操作函式

寬字元與Unicode

Unicode 寬位元組字符集

寬字符集（unicode）操作函式

寬字符集（unicode）操作函式

相關推薦