UNICODE與ANSI的區別

什麼是ANSI，什麼又是UNICODE呢？其實這是兩種不同的編碼方式標準，ANSI中的字元採用 8bit，而UNICODE中的字元採用16bit。（對於字元來說ANSI以單位元組存放英文字元，以雙位元組存放中文等字元,而Unicode下，英文和 中文的字元都以雙位元組存放）Unicode碼也是一種國際標準編碼，採用二個位元組編碼，與ANSI碼不相容。目前，在網路、Windows系統和很多大型 軟體中得到應用。8bit的ANSI編碼只能表示256種字元，表示26個英文字母是綽綽有餘的，但是表示漢字，韓國語等有著成千上萬個字元的非西方字元 肯定就不夠了，正是如此才引入了UNICODE標準。   
     在軟體開發中，特別是使用C語言的一些有關字串處理的函數，ANSI和UNICODE是區分是用的，那麼ANSI類型的字元和UNICODE類型的字元如何定義，如何使用呢？ANSI和UNICODE又如何轉換呢？   
   一．定義部分：  
   ANSI：char    str[1024]; 可用字串處理函數：strcpy( ),    strcat( ),   strlen( )等等。
UNICODE：wchar_t    str[1024]；可用字串處理函數   
二．可用函數： 
   ANSI：即char，可用字串處理函數：strcat(    ),strcpy(    ),    strlen(    )等以str打頭的函數。   
   UNICODE：即wchar_t 可用字串處理函數：wcscat(),wcscpy(),wcslen()等以wcs打頭的函數。   
   三．系統支援  
      Windows    98    ：只支援ANSI。   
      Windows    2k    ：既支援ANSI又支援UNICODE。   
      Windows    CE    ：只支援UNICODE。   
      說明   
      1 在COM裡面只支援UNICODE。   
      2．Windows   2000整個OS系統都是基於UNICODE的，為此在windows 2000 下使用ANSI是需要付出代價的，雖然在編碼上不用任何的轉換，但是這種轉化是隱藏的，是佔用系統資源的（CPU，記憶體）。   
      3 在Windows 98下必須使用UNICODE，則需要自己手動的編碼切換。   
    四．如何區分：   
    在我們軟體開發中往往需要即支援ANSI又支援UNICODE，不可能在要求類型轉換的時候，重新改變字串的類型，和使用於字串上的操作函數。為此, 標準C運行期庫和Windows 提供了宏定義的方式。   
    在C語言裡面提供了 _UNICODE宏（有底線），在Windows裡面提供了UNICODE宏（無底線），只要定了_UNICODE宏和UNICODE宏，系統就會自動切換到UNICODE版本，否則，系統按照ANSI的方式進行編譯和運行。   
    只定義了宏並不能實現自動的轉換，他還需要一系列的字元定義支援。   
   1. TCHAR   
   如果定義了UNICODE宏則TCHAR被定義為wchar_t。   
    typedef    wchar_t    TCHAR;   
    否則TCHAR被定義為char   
    typedef    char   TCHAR;   
   2．LPTSTR   
如果定義了UNICODE宏則LPTSTR被定義為LPWSTR。（以前一直不知道LPWSTR是什麼東東，終於明白了）   
   typedef    LPTSTR   LPWSTR;   
   否則TCHAR被定義為char   
   typedef    LPTSTR   LPSTR;  
補充一下：
UTF-8是可以用於真正的串流的，Unicode是一種編碼方案   
    我的理解是UTF-8是Unicode的一種具體實現。類似的實現還有UTF－16等等。

ANSI/Unicode字元和字串 
TChar.h是String.h的修改，用於建立ANSI/Unicode通用字串。

Unicode字串的每個字元都是16位的。

Win9x只支援ANSI；Win2000/XP/2003支援ANSI/Unicode；WinCE只支援Unicode
       附：有部分Unicode函數也可以在Win9X中使用，但可能會出現意想不到錯誤。

wchar_t是Unicode字元的資料類型。

所有的Unicode函數均以wcs開頭，ANSI函數均以str開頭；ANSI C規定C運行期庫支援ANSI和Unicode
                                 ANSI                                                                              Unicode
       char   *strcat(char   *,   const   char   *)                           wchar_t   *wcscat(wchar_t   *,   const   wchar_t   *) 
       char   *strchr(const   char * , int)                                   wchar_t    *wcschr(const   wchar_t   * , int) 
       int   strcmp(const   char   *,    const   char   *)                int    wcscmp(const   wchar_t   *, const   wchar_t *)
       char *strcpy(char   *,   const   char   *)                           wchar_t   *wcscpy(wchar_t    *,   const   wchar_t    *)
       size_t   strlen(const   char   *)                                        wchar_t    wcslen(const   wchar_t   *)

L" wash " : 用於將ANSI字串轉換為Unicode字串；
        _TEXT(" wash ")根據是否定義Unicode或_Unicode進行轉換。
       附：_Unicode用於C運行庫；Unicode用於Windows標頭檔。

ANSI/Unicode通用資料類型
                        Both（ANSI/Unicode）                    ANSI                       Unicode
                               LPCTSTR                                 LPCSTR                   LPCWSTR
                               LPTSTR                                    LPSTR                      LPWSTR
                               PCTSTR                                   PCSTR                      PCWSTR
                               PTSTR                                      PSTR                         PWSTR
                               TBYTE(TCHAR)                      CHAR                         WCHAR

在設計dll時最好提供ANSI和Unicode函數，ANSI函數只用於分配記憶體，將字元轉換為Unicode字元，然後調用Unicode函數。

最好使用作業系統函數，少使用或不實用C運行期函數
        eg：作業系統字串函數（shlWApi.h）
                StrCat(), StrChr(), StrCmp(), StrCpy()等
                注意它們區分大小寫，也區分ANSI和Unicode版本
        附：ANSI版函數在原函數後加大寫字母A
                Unicode函數在原函數後加大寫字母W

成為符合ANSI和Unicode的函數
        ? 將文本串視為字元數組，而不是c h a r s數組或位元組數組。
        ? 將通用資料類型（如T C H A R和P T S T R）用於文本字元和字串。
        ? 將顯式資料類型（如B Y T E和P B Y T E）用於位元組、位元組指標和資料緩衝。
        ? 將T E X T宏用於原義字元和字串。
        ? 修改字串運算問題 。
          如：sizeof(szBuffer) -> sizeof(szBuffer) / sizeof(TCHAR)
                  malloc(charNum) -> malloc(charNum * sizeof(TCHAR))   

對Unicode字元操作的函數還有：（也有ANSI和Unicode版本）
       lstrcat() , lstrcmp() / lstrcmpi()[ 它們在內部調用CompareString() ], lstrcpy(), lstrlen()
       這些是作為宏實現的。

          C運行期函數                                       windows函數
                  tolower()                                  PTSTR   CharLower(PTSTR   pszString)
                  toupper()                                 PTSTR   CharUpper(PTSTR   pszString)
                  isalpha()                                  BOOL   IsCharAlpha(TCHAR   ch)
                                                                   BOOL   ISCharAlphaNumeric(TCHAR   ch)
                  islower()                                  BOOL   IsCharLower(TCHAR   ch)
                  isupper()                                 BOOL   IsCharUpper(TCHAR   ch)
                  print()                                       wsprintf()
       轉換Buffer：DWORD   CharLowerBuffer(PTSTR   pszString , DWORD cchString)
                              DWORD CharUpperBuffer(PTSTR   pszString , DWORD   cchString)
       也可轉換單個字元，如：TCHAR   cLowerCaseChar = CharLower((PTSTR)szString[0])

確定字元是ANSI或Unicode
        BOOL   IsTextUnicode(
                     const   VOID   * pBuffer,   //input   buffer   to be   examined
                     int   cb,                               //size of input   buffer
                     LPINT   lpi                         //options
        )
       附：此函數在Win9x系統中，沒有實現代碼，始終返回FALSE

Unicode與ANSI之間的轉換
        char   szA[40];
        wchar   szW[40];
        // Normal   sprintf : all   string   are   ANSI
        sprintf( szA , " %s " , " ANSI   str ");
        // Convert   Unicode   string   to ANSI
        sprintf(   szA,   " %S " ,   L" Unicode   str ");
        // Normal   swprintf : all string are unicode
        swprinf( szW , "%s" , L" Unicode   str ");
        // Convert   ANSI   String to Unicode
        swprinf( szW, L"%S" , "ANSI str");

        int   MultiByteToWideChar(
              UINT   uCodePage,                   //code page,   0
              DWORD   dwFlags,                   //character-type   options,   0
              PCSTR   pMultiByte,                  //source   string   Addr
              int   cchMultiByte,                       //source   string   byte length
              PWSTR   pWideCharStr,          //Dest string   Addr
              int   cchWideChar                      //Dest   string char   Nums
         )
        u C o d e P a g e參數用於標識一個與多位元組字串相關的字碼頁號。d w F l a g s參數用於設定另一個控制項，它可以用重音符號之類的區分標記來影響字元。這些標誌通常並不使用，在d w F l a g s參數中傳遞0。p M u l t i B y t e S t r參數用於設定要轉換的字串， c c h M u l t i B y t e參數用於指明該字串的長度（按位元組計算）。如果為c c h M u l t i B y t e參數傳遞- 1，那麼該函數用於確定源字串的長度。轉換後產生的U n i c o d e版本字串將被寫入記憶體中的緩衝，其地址由p Wi d e C h a r S t r參數指定。必須在c c h Wi d e C h a r參數中設定該緩衝的最大值（以字元為計量單位）。如果調用M u l t i B y t e To Wi d e C h a r，給c c h Wi d e C h a r參數傳遞0，那麼該參數將不執行字串的轉換，而是返回為使轉換取得成功所需要的緩衝的值。

     可以通過下列步驟將多位元組字串轉換成U n i c o d e等價字串：
     1) 調用M u l t i B y t e To Wi d e C h a r函數，為p Wi d e C h a r S t r參數傳遞N U L L，為c c h Wi d e C h a r參數傳遞0。
     2) 分配足夠的記憶體塊，用於存放轉換後的U n i c o d e字串。該記憶體塊的大小由前面對M u l t B y t e To Wi d e C h a r的調用返回。
     3) 再次調用M u l t i B y t e To Wi d e C h a r，這次將緩衝的地址作為p Wi d e C h a r S t r參數來傳遞，並傳遞第一次調用M u l t i B y t e To Wi d e C h a r時返回的緩衝大小，作為c c h Wi d e c h a r參數。
     4) 使用轉換後的字串。
     5) 釋放U n i c o d e字串佔用的記憶體塊。

    int WideCharToMultiByte(
          UINT CodePage,                        // code page
          DWORD dwFlags,                      // performance and mapping flags
          LPCWSTR lpWideCharStr,      // wide-character string
          int cchWideChar,                       // number of chars in string
          LPSTR lpMultiByteStr,               // buffer for new string
          int cbMultiByte,                           // size of buffer
          LPCSTR lpDefaultChar,            // default for unmappable chars
          LPBOOL lpUsedDefaultChar   // set when default char used
     )