cc++输出汉字
1. 使⽤TCHAR类型，定义在tchar.h中
#include <tchar.h>
#include <stdio.h>
int main()
{
TCHAR s[] = "你";
printf("%s /n",s);
return 0;
}
2.关于C++中⽂字符的处理
⼀ 引⼊问题
代码 wchar_t a[3]=L”中国”，编译时出错，出错信息为：数组越界。但wchar_t 是⼀个宽字节类型，
数组a的⼤⼩应为6个字节，⽽两个汉字的的unicode码占4个字节，再加上⼀个结束符，最多6个字节，所以应
该不会越界。难道是编译器出问题了？
⼆ 解决引⼊问题所需的知识
主要需两⽅⾯的知识，第⼀个为字符尤其是汉字的编码，以及语⾔和⼯具的⽀持情况，第⼆个是vc/c++中
MutiByte Charater Set 和 Wide Character Set有关内存分配的情况.
三 汉字的编码⽅式及在vc/c++中的处理
1.汉字编码⽅式的介绍
对英⽂字符的处理，7位ASCII码字符集中的字符即可满⾜使⽤需求，且英⽂字符在计算机上的输⼊及
输出
也⾮常简单，因此，英⽂字符的输⼊、存储、内部处理和输出都可以只⽤同⼀个编码（如ASCII码）。
⽽汉字是⼀种象形⽂字，字数极多（现代汉字中仅常⽤字就有六、七千个，总字数⾼达5万个以上），且字
形复杂，每⼀个汉字都有"⾳、形、义"三要素，同⾳字、异体字也很多，这些都给汉字的的计算机处理带来了很
⼤的困难。要在计算机中处理汉字，必须解决以下⼏个问题：⾸先是汉字的输⼊，即如何把结构复杂的⽅块汉
字输⼊到计算机中去，这是汉字处理的关键；其次，汉字在计算机内如何表⽰和存储？如何与西⽂兼容？最
后，如何将汉字的处理结果从计算机内输出？
为此，必须将汉字代码化，即对汉字进⾏编码。对应于上述汉字处理过程中的输⼊、内部处理及输出这三
个主要环节，每⼀个汉字的编码都包括输⼊码、交换码、内部码和字形码。在计算机的汉字信息处理系统中，
处理汉字时要进⾏如下的代码转换：输⼊码→交换码→内部码→字形码。
(1)输⼊码： 作⽤是，利⽤它和现有的标准西⽂键盘结合来输⼊汉字。输⼊码也称为外码。主要归为四类：
a)数字编码：数字编码是⽤等长的数字串为汉字逐⼀编号，以这个编号作为汉字的输⼊码。例如，
unicode汉字区位码、电报码等都属于数字编码。
b)拼⾳码：拼⾳码是以汉字的读⾳为基础的输⼊办法。
c)字形码：字形码是以汉字的字形结构为基础的输⼊编码。例如，五笔字型码（王码）。
d)⾳形码：⾳形码是兼顾汉字的读⾳和字形的输⼊编码。
(2)交换码：⽤于汉字外码和内部码的交换。交换码的国家标准代号为GB2312-80。
(3)内部码：内部码是汉字在计算机内的基本表⽰形式，是计算机对汉字进⾏识别、存储、处理和传输
所⽤的
编码。内部码也是双字节编码，将国标码两个字节的最⾼位都置为"1"，即转换成汉字的内部码。
(4)字形码：字形码是表⽰汉字字形信息（汉字的结构、形状、笔划等）的编码，⽤来实现计算机对汉字的输
出（显⽰、打印）。
2.VC中汉字的编码⽅式
vc/c++正是采⽤了GB2312内部码作为汉字的编码⽅式，因此vc/c++中的各种输⼊输出⽅法，如
vc/c++正是采⽤了GB2312内部码作为汉字的编码⽅式，因此vc/c++中的各种输⼊输出⽅法，如
cin/wcin,cout/wcout,scanf/wsanf,都是基于GB2312的，如果汉字的内码不是这种编码⽅式，那么利⽤上述各种⽅法就不会正确的解析汉字。
仔细观察ASCII字符表，从第161个字符开始，后⾯的字符并不经常为⽤户所使⽤，负值也未使⽤。
GB2312编码⽅式充分利⽤这⼀特性，将161-255（-95~-1）之间的数值空间作为汉字的标识码。既然
255-161 = 94不能满⾜汉字容量的要求，就将每两个字符并在⼀块(即⼀个汉字占两个字节)，显然，94* 94
=8836基本上已经满⾜了常⽤汉字个数的要求。计算机处理字符时，当连续处理到两个⼤与160(或-95~-1)的字节时，就认为这两个字节存放了⼀个汉字字符。可以⽤下⾯的Demo程序来模拟vc/c++中输出汉字字符的过程。
unsigned char input[50];
cin>>input;
int flag=0;
for(int i =0 ;i < 50 ;i++)
{
if(input[i] > 0xa0 && input[i] != 0)
{
if(flag == 1)
{
cout<<"chinese character"<<endl;
flag = 0;
}
else
{
flag++;
}
}
else if(input[i] == 0)
{
break;
}
else
{
cout<<"english character"<<endl;
}
}
输⼊：Hello中国 （“中国”对应的GB2312内码为：214 208，185 250）
输出：english character
english character
english character
english character
english character
chinese character
chinese character
vc/c++中的英⽂字符仍然采⽤ASCII编码⽅式。可以设想，其他国家程序员利⽤vc/c++编写程序输⼊本国字符时，vc/c++则会采⽤该国的字符编码⽅式来处理这些字符。
问题⼜产⽣了，韩国的vc/c++程序在中国的vc/c++上运⾏时，如果没有相应的内码库，则对韩语字符的显⽰有可能出现乱码。我个⼈猜测，vc安装程序中应该带有不同国家的内码库，这样⼀来肯定会占⽤很⼤的空间。如果所有的国家使⽤统⼀的编码⽅式，且所有的程序设计语⾔和开发⼯具都⽀持这种编码⽅式该多好！⽽现实中，确实已经有这种编码⽅式了，且许多新的语⾔也都⽀持这种编码⽅式，如Java、C#等，它就是下⾯的Unicode编码
3.新的内码标准---Unicode
Unicode（统⼀码、万国码、单⼀码）是⼀种在计算机上使⽤的字符编码。它为每种语⾔中的每个字符设定了统⼀并且唯⼀的⼆进制编码，以满⾜跨语⾔、跨平台进⾏⽂本转换、处理的要求。1990年开始研
发，1994年正式公布。随着计算机⼯作能⼒的增强，Unicode也在⾯世以来的⼗多年⾥得到普及。最新版本的 Unicode 是 2005年3⽉31⽇推出的Unicode 4.1.0 。另外，5.0 Beta已于2005年12⽉12⽇推出，以供各会员评价。
Unicode 编码系统可分为编码⽅式和实现⽅式两个层次。
编码⽅式：Unicode 的编码⽅式与 ISO 10646 的通⽤字符集（Universal Character Set，UCS）概念相对应，⽬前的⽤于实⽤的 Unicode 版本对应于 UCS-2，使⽤16位的编码空间。也就是每个字符占⽤2个字节。这样理论上⼀共最多可以表⽰ 216 个字符。基本满⾜各种语⾔的使⽤。实际上⽬前版本的 Unicode 尚未
节。这样理论上⼀共最多可以表⽰ 216 个字符。基本满⾜各种语⾔的使⽤。实际上⽬前版本的 Unicode 尚未填充满这16位编码，保留了⼤量空间作为特殊使⽤或将来扩展。
实现⽅式：Unicode 的实现⽅式不同于编码⽅式。⼀个字符的 Unicode 编码是确定的。但是在实际传
输过程中，由于不同系统平台的设计不⼀定⼀致，以及出于节省空间的⽬的，对 Unicode 编码的实现⽅式有所不同。Unicode 的实现⽅式称为Unicode转换格式（Unicode Translation Format，简称为 UTF）。
如，UTF-8 编码，这是⼀种变长编码，它将基本7位ASCII字符仍⽤7位编码表⽰，占⽤⼀个字节（⾸位补0）。⽽遇到与其他 Unicode 字符混合的情况，将按⼀定算法转换，每个字符使⽤1-3个字节编码，并利⽤⾸位为0或1进⾏识别。
Java与C#语⾔都是采⽤Unicode编码⽅式，在这两种语⾔中定义⼀个字符，在内存中存放的就是这个字符的两字节Unicode码。如下所⽰：
char a='我';    => 内存中存放的Unicode码为：25105
4.内码的相互转换
(1)vc中的实现⽅法
利⽤Windows系统提供的API：::MultiByteToWideChar和::WideCharToMultiByte
::MultiByteToWideChar：实现当前码到Unicode码的转换；
::WideCharToMultiByte：实现Unicode码到当前码的转换；
(2)Java中的实现⽅法
String vcString=new Bytes("UTF-8"),"gb2312");
java的编码应该是UTF-8
(3)C#中的实现⽅法
四 vc中的MutiByte Charater Set 和 Wide Character Set
1.MultiByte Charater Set⽅式
这种⽅式以按字节为单位存放字符，即如果⼀个字符码为两字节，则在内存中占两字节，字符码为⼀字节，就占⼀字节。例如，字符串“中国abc”的编码为：中(0xd6、0xd0)、国(0xb9、0xfa)、a(0x61)、
b(0x62)、c(0x63)、/0(0x00)，就存为如下⽅式：
对应的类型，⽅法有：
char、scanf、printf、cin、cout …
2.Wide Character Set
这种⽅式是以两字节为单位存放字符，即如果⼀个字符码为两字节，则在内存中占四字节，字符码为⼀字节，就占两字节。例如，字符串“中国abc”就存为如下⽅式：
对应的类型，⽅法有：
wchar_t、wscanf、wprintf、wcin、wcout …
造成上⾯存储⽅式的根本原因在于，wchar_t类型其实是⼀个unsigned short 类型。如，存储上⾯字符串的数组的定义为：wchar_t buffer[8] 等价于unsigned short buffer[8].⽽所有以字母w开头的⽅法也都是以unsigned short类型，即两字节为单位来处理字符，因此，存储在wchar_t类型数组中的字符串⽆法⽤cout显⽰，只能⽤wcout⽅法来显⽰。
由于Unicode码也是采⽤两个字节，因此Wide Character Set⽅式能够很好的⽀持Unicode码的存储，但是在vc的环境下要将⼀个Unicode码存⼊两字节⽽不是四字节内存中，必须通过上⾯的API函数
::MultiByteToWideChar。⾸先，将当前的编码转换为Unicode码，然后，将每个字符的Unicode码放⼊每⼀个wchar_t类型的变量中。以下是⼀个实例代码：
char input[50];
cin>>input;
int size;
size=::MultiByteToWideChar(CP_ACP,0,input,strlen(input)+1,NULL,0);
if(size==0)
return -1;
wchar_t*widebuff=new wchar_t[size];
::MultiByteToWideChar(CP_ACP,0,input,strlen(input)+1,widebuff,size);
输⼊：中国abc
Debug断点调试：
size==6
数组widebuff[0-size]占12字节，存放了6个字符的Unicode码，码值为：
中(0x4e2d) 国(0x56fd) a(0x0061) b(0x0062) c(0x0063) d(0x0000)
这时，数组的⼤⼩size等于输⼊的字符个数加上⼀个结束符，符合我们的想象。
五 引⼊问题的错误分析
(1) 没有理解编译器中的编码⽅式
虽然vc/c++中汉字的编码占两个字节，但并不是Unicode码，是GB2312码。
(2) 没有理解MutiByte Charater Set 和 Wide Character Set的存储原则；
在vc/c++中，“中国”按char[5]来对待，⽽wchar_t a[3]实际上是三个unsigned short类型的变量，因此赋值时会越界。

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。