C++中宽字符类型（wchar_t）的编码
转载⾃: www.ituring/article/111027
问题的起因是和⼀个朋友讨论不同编码的转换问题，说到了wchar_t的类型，朋友的看法是，wchar_t的编码⽅式是utf-16，长度⼀定是16位的。我的看法不同，我认为wchar_t的长度和编码⽅式都是编译器和平台决定的，和语⾔没任何关系。
后来这个朋友为了说服我，回家把C++ Primer给我搬出来了，还给我截了个图（因为我没这本书），在这本书第30页有个表格，清楚地写着wchar_t是unicode字符，⽽最⼩尺⼨是16。既然“最⼩尺⼨是16”了，那么其他尺⼨的可能性就有了，但是编码⽅式是怎么回事？因为凭我印象，貌似没有任何⽂档规定过宽字符的编码⽅式，我想说服我朋友，但脑⼦⾥有没有证据，不知道从何说起，因此回家仔细查了查资料，算是有了个了解。
1. 宽字符的编码⽅式到底是谁定的？
这⾥有两个选择，要么是C++语⾔标准，要么是编译器作者设计的；若是前者，则编码⽅式就没有异议了，任何平台、任何编译器，都应该⼀样；但若是后者，这就完全取决于编译器制作者的想法了。那么，C++中，到底是什么情况？
我们可以翻阅下C++ ISO 2003的⽂档，在3.91章第五条，清楚地写着wchar_t的定义如下：
Type wchar_t is a distinct type whose values can represent distinct codes for all members of the largest extended character set specified among the supported locales (22.1.1). Type wchar_t shall have the same size, signedness, and alignment
requirements (3.9) as one of the other integral types, called its underlying type.
从这段描述中可以得出⼏个结论：1. wchar_t是⽤来存储所有⽀持区域的字符的；2. wchar_t的底层存储⽅式是整形，本质上也就是个整形。
其实不论是char还是wchar_t，底层的存储都是整形，因此即使你存了个字符进去，仍然会以整形的形式存储，所以这⾥⾯涉及到了⼀个转化问题，也就是我们所谈的字符编码。
⽽编码⽅式在以上的C++ ISO⽂档⾥并不到⽂字说明，因此，可以确定，编码⽅式是编译器实现的，并且是没有标准的。
那么，就引出了第⼆个问题。
2. 编码⽅式有⼏种？宽字符存储的长度⼀样吗？
先从char说起，char型的常见编码⽅式是ASCII，ASCII编码是⼀种基于8位⼆进制数的字符编码算法，是美国ANSI制定的⼀种单字符编码⽅案，能表⽰256种可能的字符，常见的字母、符号、键盘指令等，全能⽤ASCII码表⽰，⽽由于ASCII码是基于8位的编码，因此⽤这种算法的编译器，char类型都占8位。请注意因果关系，是因为⽤了ASCII，所以char才是8位，⽽不是char是8位，所以采⽤ASCII。
同理可适⽤于wchar_t类型。
wchar_t的出现，是出于程序兼容多语⾔的需求，因为在很多语⾔中，字符的数量远远⼤于256，因此需要把原字符进⾏扩容，必须能表⽰更多的字符类型。因此wchar_t出现了，wchar_t全称是wide character type，也就是宽字符。最常见的宽字符编码⽅式就是unicode了，utf-16和utf-32都是unicode编码。wchar_t也主要以这两种⽅式实现。
utf-16是完全基于ucs-2的，但存储的⽅式分为Big Endian和Little Endian，区别在于存储的顺序，⽐如字符A⽤utf-16BE的⽅式表⽰是
unicode码和ascii码区别0x0041，⽤utf-16LE的⽅式表⽰则是0x4100，我在我的机器上试了下，⽤VC10编译器，wchar_t的编码⽅式是utf-16BE。⽽在gcc下是utf-32BE。
关于各种的编码算法，资料繁多，我就不多说了。
但这个问题是解决了，那就是，wchar_t的⽬的是编码并存储所有字符集，编码⽅式和存储空间⼤⼩和语⾔⽆关，只和编译器有关，因此说wchar_t的编码⽅式是unicode是错的。C++ Primer上的描述也是不准确的。
哦，对，最后补充⼀下，unicode是兼容ASCII的，ASCII所能表⽰的字符，⽤unicode编码可以得出⼀样的值。但不兼容GBK（也就是中⽂编码），如果混⽤两种⽅式编码的字符串，需要开发者⼿动去转换。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。