MBCS编码和UNICODE编码的相互转换
今天写的一段代码涉及到MBCS编码和UNICODE编码的相互转换，查了一下MSDN的相关资料，整理如下：
    在VC6中，默认使用MBCS编码，即多字节字符，实际就是支持大于0x80的ASCII码。这样，一个中文字可以表示为2个字节，GB2312就是这样表示的。
    VC6的默认安装是不带UNICODE库的，要在VC6中写UNICODE程序，必须安装CRT和MFC的Unicode库。
    要使你的程序支持Unicode，要在你的项目属性中去掉"_MBCS"宏定义，增加"UNICODE"和"_UNICODE"两个宏定义。（注意，这两个都应该加上，因为CRT和MFC使用UNICODE定义，而STL则使用_UNICODE）
    如果你的程序是MFC的，则Unicode版MFC库的入口点是wWinMainCRTStartup。
    为了方便开发者，VC6中提供了Tchar.h，里面定义了一些宏用来帮助写两种编码都兼容的代码。
    类型
一般文本
数据类型名称
_UNICODE 和 _MBCS 未定义
_MBCS 已定义
_UNICODE 已定义
_TCHAR
char
char
wchar_t
_TINT
int
int
wint_t
_TSCHAR
signed char
signed char
wchar_t
_TUCHAR
unsigned char
unsigned char
wchar_t
_TXCHAR
char
unsigned char
wchar_t
_T 或 _TEXT
无效（由预处理器移除）
无效（由预处理器移除）
L（将后面的字符或字符串转换成相应的 Unicode 形式）
    CRT中的相关函数在Tchar.h中都定义了相应的替代，基本是将str换成了_tcs，比如：CRT
中的unsigned int strlen(const char *)现在是unsigned int _tcslen(const TCHAR*)，在Uniocde时，将被替换为unsigned int _wcslen(const wchar_t)*，而在MBCS时，会被替换为unsigned int _mcslen(const char*)。
    看，写Unicode和MBCS兼容的代码挺容易的吧，我总结了一些替换规则
    1 将char换成TCHAR (unsigned char必须去掉unsigned)
    2 将str函数换成_tcs函数
    3 将字符串常量定义加要_T("")宏
    4 printf函数族必须修改为wprintf，不过要注意千万不要使用wprintf函数来解析char型
    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
    一些注意事项：
    在Unicode编码下，sizeof没那么可靠了，memset( ,0, sizeof())的习惯用法可能会出大错，改成memset(,0,sizeof()/szieof(TCHAR))就没事了，呵呵
    在Unicode下，一个中文字符就是一个字符，len = strlen() / 2;这样可不行了
用VC6进行UNICODE编程
最近试图将自己的程序编译成Unicode版本，费了不少力气，相关内容整理如下，适用于VC6，但VC7、VC8应该也差不多的（后者新建项目缺省即按Unicode编译）。
1. 添加 UNICODE 和 _UNICODE 预处理定义
位置：Project Settings -> C/C++ -> Preprocessor definitions
添加了这两个定义后，MFC的一些内置类型如 TCHAR、CString 都将转为支持宽字符类型（wchar_t）
2. 使用宽字符相关类型，如：
char -> TCHAR、char * -> LPTSTR、const char * -> LPCTSTR
3. 对字符串常量使用 _T() 宏
4. 替换C库中的中字符串操作函数，如 strlen -> _tcslen、strcmp -> _tcscmp 等
类似的还有C库中字符串与数字的转换函数，如 atoi -> _ttoi、itoa -> _itot 等
5. 将 Project Settings -> Link -> Output -> Entry Point 设为 wWinMainCRTSTartup
否则会有如下错误：
msvcrtd.lib(crtexew.obj) : error LNK2001: unresolved external symbol _WinMain@16
6. C++标准库中的string，有对应的宽字符版本wstring，两者均为basic_string的特化版本
可在StdAfx.h中：
#ifdef _UNICODE
#define tstring wstring
#else
#define tstring string
#endif
然后在代码中使用 tstring 即可，类似的还有 fstream/wfstream、ofstream/wofstream 等
7. 宽字符版本的英文字符仍可直接与整型值进行比较，如：
CString s = _T("ABC");
ASSERT(s[0] == 'A');
8. 对于仍需使用ANSI字符串的地方，如第三方类库的接口，仍可继续使用；如需进行Unicode字符串和ANSI字符串的互转换，可使用 MultiByteToWideChar 和 WideCharToMultiByte
来源：blog.163/ssb_it/blog/static/4487616520083910857238/
Unicode  ：宽字节字符集 
  1.  如何取得一个既包含单字节字符又包含双字节字符的字符串的字符个数？ 
  可以调用Microsoft  Visual  C++的运行期库包含函数_mbslen来操作多字节（既包括单字节也包括双字节）字符串。 
  调用strlen函数，无法真正了解字符串中究竟有多少字符，它只能告诉你到达结尾的0之前有多少个字节。 
  2.  如何对DBCS（双字节字符集）字符串进行操作？ 
  函数  描述 
  PTSTR  CharNext  （  LPCTSTR  ）;  返回字符串中下一个字符的地址 
  PTSTR  CharPrev  （  LPCTSTR,  LPCTSTR  ）；  返回字符串中上一个字符的地址  unicode编码转换二进制
  BOOL  IsDBCSLeadByte(  BYTE  )；  如果该字节是DBCS字符的第一个字节，则返回非0值 
  3.  为什么要使用Unicode？ 
  （1）  可以很容易地在不同语言之间进行数据交换。 
  （2）  使你能够分配支持所有语言的单个二进制.exe文件或DLL文件。 
  （3）  提高应用程序的运行效率。 
  Windows  2000是使用Unicode从头进行开发的，如果调用任何一个Windows函数并给它传递一个ANSI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，然后将结果返回给你的应用程序。进行这些字符串的转换需要占用系统的时间和内存。通过从头开始用Unicode来开发应用程序，就能够使你的应用程序更加有效地运行。 
  Windows  CE  本身就是使用Unicode的一种操作系统，完全不支持ANSI  Windows函数 
  Windows  98  只支持ANSI，只能为ANSI开发应用程序。 
  Microsoft公司将COM从16位Windows转换成Win32时，公司决定需要字符串的所有COM接口方法都只能接受Unicode字符串。 
  4.  如何编写Unicode源代码？ 
  Microsoft公司为Unicode设计了WindowsAPI，这样，可以尽量减少代码的影响。实际上，可以编写单个源代码文件，以便使用或者不使用Unicode来对它进行编译。只需要定义两个宏（UNICODE和_UNICODE），就可以修改然后重新编译该源文件。 
  _UNICODE宏用于C运行期头文件，而UNICODE宏则用于Windows头文件。当编译源代码模块时，通常必须同时定义这两个宏。 
  5.  Windows定义的Unicode数据类型有哪些？ 
  数据类型  说明 
  WCHAR  Unicode字符 
  PWSTR  指向Unicode字符串的指针 
  PCWSTR  指向一个恒定的Unicode字符串的指针 
  对应的ANSI数据类型为CHAR，LPSTR和LPCSTR。 
  ANSI/Unicode通用数据类型为TCHAR，PTSTR,LPCTSTR。 
  6.  如何对Unicode进行操作？ 
  字符集  特性  实例 
  ANSI  操作函数以str开头  strcpy 
  Unicode  操作函数以wcs开头  wcscpy 
  MBCS  操作函数以_mbs开头  _mbscpy 
  ANSI/Unicode  操作函数以_tcs开头  _tcscpy（C运行期库） 
  ANSI/Unicode  操作函数以lstr开头  lstrcpy（Windows函数） 
  所有新的和未过时的函数在Windows2000中都同时拥有ANSI和Unicode两个版本。ANSI版
本函数结尾以A表示；Unicode版本函数结尾以W表示。Windows会如下定义： 
  #ifdef    UNICODE 
  #define    CreateWindowEx    CreateWindowExW 
  #else 
  #define    CreateWindowEx    CreateWindowExA 
  #endif    //  !UNICODE 
  7.  如何表示Unicode字符串常量？ 
  字符集          实例 
  ANSI          “string” 
  Unicode        L“string” 
  ANSI/Unicode  T(“string”)或_TEXT(“string”)if( szError[0] = =_TEXT(‘J’) ){  } 
  8.  为什么应当尽量使用操作系统函数？ 
  这将有助于稍稍提高应用程序的运行性能，因为操作系统字符串函数常常被大型应用程序比如操作系统的外壳进程所使用。由于这些函数使用得很多，因此，在应用程序运行时，它们可能已经被装入RAM。 
  如：StrCat，StrChr，StrCmp和StrCpy等。 
  9.  如何编写符合ANSI和Unicode的应用程序？ 
  （1）  将文本串视为字符数组，而不是chars数组或字节数组。 
  （2）  将通用数据类型（如TCHAR和PTSTR）用于文本字符和字符串。 
  （3）  将显式数据类型（如BYTE和PBYTE）用于字节、字节指针和数据缓存。 
  （4）  将TEXT宏用于原义字符和字符串。 
  （5）  执行全局性替换（例如用PTSTR替换PSTR）。 
  （6）  修改字符串运算问题。例如函数通常希望在字符中传递一个缓存的大小，而不是字节。这意味着不应该传递sizeof(szBuffer),而应该传递（sizeof(szBuffer)/sizeof(TCHAR)。另外，如果需要为字符串分配一个内存块，并且拥有该字符串中的字符数目，那么请记住要按字节来分配内存。这就是说，应该调用malloc(nCharacters *sizeof(TCHAR)),而不是调用malloc(nCharacters)。 
  10.  如何对字符串进行有选择的比较？ 
  通过调用CompareString来实现。 
  标志  含义 
  NORM_IGNORECASE  忽略字母的大小写 
  NORM_IGNOREKANATYPE  不区分平假名与片假名字符 
  NORM_IGNORENONSPACE  忽略无间隔字符 
  NORM_IGNORESYMBOLS  忽略符号 
  NORM_IGNOREWIDTH  不区分单字节字符与作为双字节字符的同一个字符 
  SORT_STRINGSORT  将标点符号作为普通符号来处理 
  11.  如何判断一个文本文件是ANSI还是Unicode？ 
  判断如果文本文件的开头两个字节是0xFF和0xFE，那么就是Unicode，否则是ANSI。 
  12.  如何判断一段字符串是ANSI还是Unicode？ 
  用IsTextUnicode进行判断。IsTextUnicode使用一系列统计方法和定性方法，以便猜测缓存的内容。由于这不是一种确切的科学方法，因此  IsTextUnicode有可能返回不正确的结果。 
  13.  如何在Unicode与ANSI之间转换字符串？ 
  Windows函数MultiByteToWideChar用于将多字节字符串转换成宽字符串；函数WideCharToMultiByte将宽字符串转换成等价的多字节字符串。

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。