轉載-wchar_t引起的思考

wchar_t引起的思考 - wen_dao_ - 博客園
http://www.cnblogs.com/wendao/archive/2012/07/27/2612597.html

字符集和字符編碼（Charset & Encoding） - 吳秦 - 博客園
http://www.cnblogs.com/skynet/archive/2011/05/03/2035105.html#3300003

思考是由wchar_t引起的，幹嗎要用wchar_t?我用char[]能夠順利的輸出漢字啊！
char是一個字節，wchar_t是2個字節或者4個字節的。

1.unicode字符集

一開始概念很混亂，發了幾個帖子，和別人討論了幾天，本身理順了下概念。我簡單用個人話歸納一下：
unicode字符集，什麼是字符集，字符集就是一個映射表計算機經過它找到對應的字符；unicode的把全球全部文字都作了映射。
utf-八、utf-1六、utf-32都是編碼方式，各自實現各自的方便。
utf-8來講利於傳輸由於它是變長的，有一個字節的（ascii在utf-8中都只佔一個字節而且是一致的），倆的，三個的。
有一個傳輸出錯不會影響其餘的。若是是固定長度的多字節編碼，少一個字節後面的往前補上，全部的字符編碼都變了，都成亂碼了。
另外一個utf-8的好處是字符編碼的每一個字節都不會是0000h,這樣strlen獲得的是正確大小，而utf-16和utf-32，若是用char字符串的話，則會有0000h（標誌結束位）在字符串的非真正結束的地方存在（若是用wchar_t專用的的方法處理就會避免這些問題）。
utf-16和unicode的編碼是同樣的。
字符集和實際編碼的聯繫：由於每一個字符和其字符集中的16位二進制碼值是一一對應的，實際編碼只有轉換成相應的字符集對應的16位的unicode碼才能知道它表明哪一個字符。關於utf-8和unicode的轉換能夠本身搜一下，這裏就不說了，我也沒自仔細看。

2.wchar_t     

wchar_t正好能夠放一個unicode字符，正好就能夠輕易的讓它與要顯示的字符對應，也能夠用他轉成想要的其餘形式的編碼。而若是用char的話，它只有8位，只能一次處理8位的數據，若是將char原封不動的輸出，那用它能夠。（用char字符串去作轉換，那可就麻煩了，還要不斷的和先後的char作判斷）。java中char都是2個字節的。
通常在程序中用unicode（utf-16），輸出到文本中都是utf-8，因此輸出前要轉碼。
char *c="我";c字符串的值，通常是utf-8，具體要看你文本編輯器的編碼格式。
而wchar_t wc=L"我";這個是utf-16碼（vs中）。linux中因爲wchar_t是4個字節，這個編碼就成了utf-32了。高位基本沒用，16位和unicode編碼一致（linux下沒測試，知道linux下wchar_t是32位，還有utf-32和utf-16低位是一致的）。
將utf-8編碼的unicode字符集放入wchar_t中是不明智的，由於，這樣wchar_t中可能有兩個字符的編碼，也可能有一個，也可能不到一個，也可能2個半個。

3.其餘細節   

其餘關於UNICODE的字符編具體細節，如utf-8的bom頭，字符序Big Endian、Little Endian等狀況可自行查閱資料，我感受，那些都不是很重要須要的時候查閱就能夠，理解概念最關鍵。