【Windows編程】系列第四篇：使用Unicode編程

上一篇咱們學習了Windows編程的文本及字體輸出，在以上幾篇的實例中也出現了一些帶有「TEXT」的Windows宏定義，有朋友留言想了解一些ANSI和Unicode編程方面的內容，本章就來了解和學習一些Windows下關於ANSI和Unicode方面的編程基礎。

計算機最先在美國誕生，因此最開始都是以英語爲做爲交互語言，因爲只有26個字母，用一個字節（範圍-128 ~ 127）表示，這個範圍足夠表示26個由於字符和一些經常使用的控制字符，這個就是ASCII編碼。所以最先的各類程序設計語言以及使用的字符串都用字節數組表示，也確實知足了編程的各類需求。可是隨着計算機的普及，範圍上逐漸超出了英語使用的國家，這樣一來，字符編碼就成了問題，由於不少國家的語言字符數目根本不能用一個字節來表示，好比咱們國家的中文，經常使用的就有四千多個，若是再加上一些不經常使用的字符，更是遠遠不止這些，所以一個字節的字符串編碼就行不通了，那麼天然而然就出現了兩個字節甚至跟多字節的編碼方式了。

除了基本的ASCII編碼外，目前經常使用的字符編碼有MBCS、BG23十二、GBK、UTF-八、UTF-1六、 UTF-3二、BIG五、Base6四、Unicode等等，其實Unicode就是使用UTF-16編碼。如今的全部系統都支持多字節編碼，Windows98之前的對Unicode支持很差，不少內核函數都須要將字符串轉換以後才能處理，從Windows NT系統後幾乎都採用了Unicode編碼從新系統內核，非Unicode的編碼會通過轉換以後在傳入內核處理。

在C語言誕生的時候，一樣尚未遇到多字節字符串問題，固然也沒有Unicode等這些編碼，標準的C語言庫函數處理字符串時都是ASCII編碼，所以用標C函數處理多字節字符編碼就存在問題，因此不一樣系統都在內部進行這種字符編碼的處理。那麼問題來了，既然標C不支持Unicode，咱們又如何編程使用Unicode呢？咱們如何指定程序中的字符串採用ASCII仍是Unicode或者兩種同時出如今一個程序裏面呢？ 更好的狀況，咱們如何編寫程序，根據本身的需求編譯ASCII和Unicode（如下稱寬字符）版本？本文咱們就來談談這個問題。在微軟公司提供的C/C++編譯器中提供了一個wchar_t的變量類型，這個類型其實是經過typedef定義的一個無符號16位整型數。咱們使用這個來定義寬字符版本的字符和字符串，而普通的ANSI仍是標準C語言的char來定義。

• 寬字符串的使用

下面咱們對比一下ASCII和Unicode字符（串）的定義及常量的定義方式。

ASCII版本：

Char c = ‘A’;
Char str[] = 「hello, world」;

 

寬字符版本：

wchar_t wch = L’A’;
wchar_t wstr[] = L「hello, world」;

 

微軟的編譯器經過這個大寫字母「L」開頭來識別後面的字符串將編譯爲一個Unicode的字符或字符串，注意這裏的L後面不能有空格。

看下面的實例：

#include <windows.h>
#include <stdio.h>

int main(void)
{
	char c = 'A';
	char str[] = "hello, ANSI";

	wchar_t wch = L'A';
	wchar_t wstr[] = L"hello, Unicode";

	printf("1 --> %c\n", c);
	printf("2 --> %s\n", str);

	printf("3 --> %c\n", wch);
	printf("4 --> %s\n", wstr);

	printf("5 --> %C\n", c);
	printf("6 --> %S\n", wstr);

	wprintf(L"7 --> %c\n", wch);
	wprintf(L"8 --> %s\n\n", wstr);

	system("pause");
	return 0;
}

 

這個小程序的輸出以下：

能夠看出：

1. 用printf能夠輸出ANSI的字符和字符串（廢話）

2. 用wprintf能夠輸出Unicode字符和字符串

3. printf能夠用大寫的字母C、S，即「%C」「%S」來輸出寬字符和字符串

4. 能夠看出第3和第4用printf能夠輸出寬字符，但寬字符串僅僅輸出了字符串的第一個字符，實際上這個就是問題了，不能這樣輸出，第3的字符A實際上徹底是運氣好，由於Unicode是雙字節，因此寬字符」A」實際在是十六進制的「00 41」，而Windows系統是一個小端系統，因此在內存中的排版爲「41 00 ……」，因此第一個恰好輸出A。而第4只能輸出一個「h」，也是由於這個緣由。字符串wstr在內存的存在形式以下如：

第一個字符是「h」，它的寬字符在內存排布（小端系統）爲」68 00 …」，根據C語言規則，字符串以空字符0x00爲結束符，所以使用printf和%s來輸出時，系統並不知道這個h是一個寬字符，而是以此向後一直到空字符，這裏恰好第二個就碰上了，所以只能輸出一個「h」。

一樣，scanf函數也是如此：

scanf("%s", str); //這個是C語言的正經常使用法

scanf("%s", wstr); //這個是能夠工做的，可是接收結果是ANSI格式的字符串

scanf("%S", wstr); //這個能夠正確接收寬字符格式的字符串

wscanf(L"%s", wstr); //這個是標準的接收寬字符格式字符串

以上的printf和scanf用%S來處理寬字符的方式是微軟擴展的，不必定其餘編譯系統也能這樣處理。

• Unicode字符串支持函數

從上面咱們看出，微軟的編譯器對寬字符及寬字符串常量用一個大寫的「L」做爲前綴來高手編譯，後面的字符串做爲Unicode版本而不是ANSI版本。另外printf和scanf也有對於的寬字符版本函數wprintf和wscanf來處理，從MSDN咱們知道，全部關於字符/字符串都有兩個版本，好比_wfopen、_getws、wcslen、wcscpy、wcscat等就是標準C函數fopen、gets、strlen、strcpy、strcat的寬字符版本。除了這些標C的寬字符函數外，Windows的API一樣有ANSI和Unicode版本，好比建立窗體和空間的CreateWindowA、CreateProcessA等就是ANSI版本，而對應的CreateWindowW、CreateProcessW就是Unicode版本，他們處理的字符串類型都必須是wchar_t的字符串。

在一個程序裏面，咱們可使用ANSI版本的函數來處理對應的字符串，同時也可使用Unicode版本的函數來處理wchar_t的字符串，正如上面的實例同樣，但必須對應，不然可能出現編譯錯誤，更麻煩的是有可能編譯經過可是結果卻不是咱們想要的，如上面的第4一條輸出。

固然若是不是須要，最好不要在程序裏面一下子使用ANSI，一會使用Unicode，這樣對未來的移植性兼容性不好，也不利於多語種和國際化。強烈建議使用Unicode版原本編寫程序，這個是一個大趨勢，若是你要把PC平臺的Windows程序移植到微軟的嵌入式平臺Win CE上的話，就必須是Unicode。微軟爲了簡化和通用性，在Win CE平臺上只支持Unicode。並且使用Unicode編碼時運行效率更高，由於如今的Windows操做系統內核所有都是用Unicode版本，若是上面傳入一個ANSI的，它必須先轉換成Unicode字符串，再傳入內部的函數處理。

• 同時支持兩種編碼

固然理想狀況是若是編寫統一的應用程序，在編譯時想編譯成ANSI就編譯成ANSI版本，想編譯成Unicode版本就編譯成Unicode版本是最好的，這樣咱們寫出來的程序不論是移植性仍是通用性都最好，其實這個微軟早就想到了。

微軟針對標準C函數構造了一套平臺相關的字符串處理宏定義，所謂平臺相關就是說這些宏是微軟本身定義的，只是在Windows平臺下使用，不是標準裏面的東西。這些定義在不一樣的狀況下會變成不一樣的版本。若是定義了「_UNICODE」這個宏定義，Windows將在處理C/C++函數是採用Unicode版本，不然就是ANSI版本。下面咱們以strlen這個函數來看一下Windows是怎麼定義的：

#ifdef _UNICODE
#define _tcslen    wcslen
#else
#define _tcslen    strlen
#endif

 

這裏的_tcslen就是那個平臺相關的求字符串的字符長度的宏定義，固然咱們在使用的時候把他當作函數就好了，能夠看到若是定義了_UNICODE，那麼_tcslen在編譯時實際是連接的wcslen，不然連接strlen。如今咱們打開VS下面的頭文件「tchar.h」，就能夠看到不少如下劃線開頭的宏定義，這些都是平臺相關的通用字符串處理庫函數：

因此使用這些函數的時候要包含這個頭文件。

另外，若是定義了「UNCODE」這個宏，Windows的API也會採用Unicode版本，不然採用ANSI版本。好比CreateWindow這個函數定義以下：

#ifdef UNICODE
#define CreateWindow  CreateWindowW
#else
#define CreateWindow  CreateWindowA
#endif // !UNICODE

 

因此實際上CreateWindow是一個宏定義而已，可是這不影響咱們把它當作函數來使用，一樣其餘含有字符串做爲參數的Windows API也一樣作了定義。

默認狀況下，咱們使用VS來創建工程，_UNICODE和UNICODE這兩個宏都是打開的，因此咱們用嚮導建立的工程都是Unicode版本的，咱們也能夠從配置選項裏面刪除這兩個定義來編譯ANSI版本的程序。

如今函數的使用解決了，那麼如何來定義字符以及字符串的變量類型已常常量，使得_UNICODE和UNICODE定義也能影響類型和常量呢？微軟一樣使用了一系列的定義來解決這個問題。TCHAR是做爲字符、字符串的變量類型，等價於char和wchar_t，若是定義了UNICDOE，TCHAR其實是wchar_t，不然就是char，這個在winnt.h中能找到。

對字符串常量，VS定義了TEXT、__TEXT，在tchar.h中，還定義了_T等好幾種方式，只要定義了UNICODE，則這些宏定義就是Unicode，不然就是ANSI版本。所以咱們之後在編寫程序時，應該充分用這些宏來定義字符串類型變量，常量以及處理函數。下面是一個推薦的簡單實例：

#include <windows.h>
#include <tchar.h>

int _tmain(void)
{
	TCHAR c = TEXT('A');
	TCHAR buf[16];
	TCHAR *str = TEXT("hello, world!");

	_tprintf(TEXT("1 --> %c\n"), c);
	_tprintf(TEXT("2 --> %s\n"), str);

	_tscanf(_T("%s"), buf);
	_tprintf(_T("%s\n"), buf);

	_tsystem(TEXT("pause"));

	return 0;
}

 

在這個實例中，全部可能用到字符串的函數都採用通用的函數，能正確的編譯Unicode版本和ANSI版本。

• Unicode和ANSI字符串轉換

有時候咱們可能仍是會出現不一樣編碼之間的轉換，這是咱們能夠採用Windows提供的API來完成。

MultiByteToWideChar函數和WideCharToMultiByte函數，這兩個函數能夠在ANSI和Unicode字符串之間來回轉換。他們的參數有不少類似之處，原型爲：

int MultiByteToWideChar(UINT CodePage, DWORD dwFlags, LPCSTR lpMultiByteStr, int cbMultiByte, LPWSTR lpWideCharStr, int cchWideChar);
int WideCharToMultiByte(UINT CodePage, DWORD dwFlags, LPCWSTR lpWideCharStr, int cchWideChar, LPSTR lpMultiByteStr, int cbMultiByte, LPCSTR lpDefaultChar, LPBOOL lpUsedDefaultChar);

 

具體用法能夠參考MSDN，網上也能找到大量的使用說明和實例，這裏就再也不敘述。

下面給一個實例來演示ANSI和Unicode之間的轉換：

#include <windows.h>
#include <tchar.h>
#include <stdio.h>

int _tmain(void)
{
	int nwCh;
	char AnsiStr[] = "hello, world!";
	wchar_t wszBuf[20] = {0};

	//得到轉換後產生多少Unicode字符，能夠做爲後面實際轉換時傳入容納轉換結果的Unicode字符數buffer大小
	nwCh = MultiByteToWideChar(CP_ACP, 0, AnsiStr, -1, NULL, 0);
	//轉換並接收結果
	MultiByteToWideChar(CP_ACP, 0, AnsiStr, -1, wszBuf, nwCh);
	wprintf(L"nwCh = %d, %s\n", nwCh, wszBuf);

	int nCh;
	char AnsiBuf[20] = {0};
	//得到轉換後產生多少ANSI字符，能夠做爲後面實際轉換時傳入容納轉換結果的ANSI字符數buffer大小
	nCh = WideCharToMultiByte(CP_ACP, 0, wszBuf, -1, NULL, 0, NULL, NULL);
	//轉換並接收結果
	WideCharToMultiByte(CP_ACP, 0, wszBuf, -1, AnsiBuf, nCh, NULL, NULL);
	printf("nCh = %d, %s\n", nCh, AnsiBuf);
	
	_tsystem(TEXT("pause"));

	return 0;
}

請注意註釋部分，該函數及能夠轉換，也能獲取轉後所需輸出的存儲字符個數空間的大小。運行後的輸出結果：

到這裏本文就結束了，下一篇將繼續咱們的Windows編程系列之旅。敬請關注！

 更多經驗交流能夠加入Windows編程討論QQ羣：454398517。

關注微信公衆平臺:程序員互動聯盟(coder_online)，你能夠第一時間獲取原創技術文章，和（java/C/C++/Android/Windows/Linux）技術大牛作朋友，在線交流編程經驗，獲取編程基礎知識，解決編程問題。程序員互動聯盟，開發人員本身的家。

轉載請註明出處，謝謝合做！