VC++的Unicode編程

一、什麼是Unicode

　　先從ASCII說起，ASCII是用來表示英文字元的一種編碼規範。每個ASCII字元佔用1個位元組，因此，ASCII編碼可以表示的最大字元數是255（00H—FFH）。其實，英文字元並沒有那麼多，一般只用前128個（00H—7FH，最高位為0），其中包括了控制字元、數字、大小寫字母和其它一些符號。而最高位為1的另128個字元（80H—FFH）被稱為“擴充ASCII”，一般用來存放英文的定位字元、部分音標字元等等的一些其它符號。

　　這種字元編碼規則顯然用來處理英文沒有什麼問題。但是面對中文、阿拉伯文等複雜的文字，255個字元顯然不夠用。

　　於是，各個國家紛紛制定了自己的文字編碼規範，其中中文的文字編碼規範叫做“GB2312—80”，它是和ASCII相容的一種編碼規範，其實就是利用擴充ASCII沒有真正標準化這一點，把一個中文字元用兩個擴充ASCII字元來表示，以區分ASCII碼部分。

　　但是這個方法有問題，最大的問題就是中文的文字編碼和擴充ASCII碼有重疊。而很多軟體利用擴充ASCII碼的英文定位字元來畫表格，這樣的軟體用到中文系統中，這些表格就會被誤認作中文字元，出現亂碼。

　　另外，由於各國和各地區都有自己的文字編碼規則，它們互相衝突，這給各國和各地區交換資訊帶來了很大的麻煩。

　　要真正解決這個問題，不能從擴充ASCII的角度入手，而必須有一個全新的編碼系統，這個系統要可以將中文、法文、德文……等等所有的文字統一起來考慮，為每一個文字都分配一個單獨的編碼。

　　於是，Unicode誕生了。

　　Unicode也是一種字元編碼方法，它佔用兩個位元組（0000H—FFFFH）,容納65536個字元，這完全可以容納全世界所有語言文字的編碼。

　　在Unicode裡，所有的字元被一視同仁，漢字不再使用“兩個擴充ASCII”，而是使用“1個Unicode”，也就是說，所有的文字都按一個字元來處理，它們都有一個唯一的Unicode碼。

　　二、使用Unicode編碼的好處

　　使用Unicode編碼可以使您的工程同時支援多種語言，使您的工程國際化。

　　另外，Windows NT是使用Unicode進行開發的，整個系統都是基於Unicode的。如果調用一個API函數並給它傳遞一個ANSI（ASCII字元集以及由此派生併兼容的字元集，如：GB2312，通常稱為ANSI字元集）字串，那麼系統首先要將字串轉換成Unicode，然後將Unicode字串傳遞給作業系統。如果希望函數返回ANSI字串，系統就會首先將Unicode字串轉換成ANSI字串，然後將結果返回給您的應用程式。進行這些字串的轉換需要佔用系統的時間和記憶體。如果用Unicode來開發應用程式，就能夠使您的應用程式更加有效地運行。

　　下面例舉幾個字元的編碼以簡單示範ANSI和Unicode的區別：

字元	A	N	和
ANSI碼	41H	4eH	cdbaH
Unicode碼	0041H	004eH	548cH

　　三、使用C++進行Unicode編程

　　對寬字元的支援其實是ANSI C標準的一部分，用以支援多位元組表示一個字元。寬字元和Unicode並不完全等同，Unicode只是寬字元的一種編碼方式。

　　1、寬字元的定義

　　在ANSI中，一個字元（char）的長度為一個位元組（Byte）。使用Unicode時，一個字元佔據一個字，C++在wchar.h標頭檔中定義了最基本的寬字元類型wchar_t：

typedef unsigned short wchar_t;

　　從這裡我們可以清楚地看到，所謂的寬字元就是無符號短整數。

　　2、常量寬字元串

　　對C++程式員而言，構造字串常量是一項經常性的工作。那麼，如何構造寬字元字串常量呢？很簡單，只要在字串常量前加上一個大寫的L就可以了，比如：

wchar_t *str1=L" Hello";

　　這個L非常重要，只有帶上它，編譯器才知道你要將字串存成一個字元一個字。還要注意，在L和字串之間不能有空格。

　　3、寬字元串庫函數

　　為了操作寬字元串，C++專門定義了一套函數，比如求寬字元串長度的函數是

size_t __cdel wchlen(const wchar_t*);

　　為什麼要專門定義這些函數呢？最根本的原因是，ANSI下的字串都是以’’來標識字串尾的（Unicode字串以“”結束），許多字串函數的正確操作均是以此為基礎進行。而我們知道，在寬字元的情況下，一個字元在記憶體中要佔據一個字的空間，這就會使操作ANSI字元的字串函數無法正確操作。以”Hello”字串為例，在寬字元下，它的五個字元是：

　　0x0048 0x0065 0x006c 0x006c 0x006f

　　在記憶體中，實際的排列是：

48 00 65 00 6c 00 6c 00 6f 00

　　於是，ANSI字串函數，如strlen，在碰到第一個48後的00時，就會認為字串到尾了，用strlen對寬字元串求長度的結果就永遠會是1！

　　4、用宏實現對ANSI和Unicode通用的編程

　　可見，C++有一整套的資料類型和函數實現Unicode編程，也就是說，您完全可以使用C++實現Unicode編程。

　　如果我們想要我們的程式有兩個版本：ANSI版本和Unicode版本。當然，編寫兩套代碼分別實現ANSI版本和Unicode版本完全是行得通的。但是，針對ANSI字元和Unicode字元維護兩套代碼是非常麻煩的事情。為了減輕編程的負擔，C++定義了一系列的宏，協助您實現對ANSI和Unicode的通用編程。

　　C++宏實現ANSI和Unicode的通用編程的本質是根據”_UNICODE”（注意，有底線）定義與否，這些宏展開為ANSI或Unicode字元（字串）。

　　如下是tchar.h標頭檔中部分代碼摘抄：

#ifdef　_UNICODE
typedef wchar_t　　 TCHAR;
#define __T(x)　　　L##x
#define _T(x)　　　 __T(x)
#else
#define __T(x)　　　x
typedef char　　　　　　TCHAR;
#endif　　可見，這些宏根據”_UNICODE” 定義與否，分別展開為ANSI或Unicode字元。 tchar.h標頭檔中定義的宏可以分為兩類：

　　A、實現字元和常量字串定義的宏我們只列出兩個最常用的宏：

宏	未定義_UNICODE(ANSI字元)	定義了_UNICODE(Unicode字元)
TCHAR	char	wchar_t
_T(x)	x	L##x

　　注意：

　　“##”是ANSI C標準的預先處理文法，它叫做“粘貼符號”，表示將前面的L添加到宏參數上。也就是說，如果我們寫_T(“Hello”)，展開後即為L“Hello”

　　B、實現字串函數調用的宏

　　C++為字串函數也定義了一系列宏，同樣，我們只例舉幾個常用的宏：

宏	未定義_UNICODE(ANSI字元)	定義了_UNICODE(Unicode字元)
_tcschr	strchr	wcschr
_tcscmp	strcmp	wcscmp
_tcslen	strlen	wcslen

　　四、使用Win32 API進行Unicode編程

　　Win32 API中定義了一些自己的字元資料類型。這些資料類型的定義在winnt.h標頭檔中。例如：

typedef char CHAR;
typedef unsigned short WCHAR;　　// wc,　 16-bit UNICODE character
typedef CONST CHAR *LPCSTR, *PCSTR;Win32 API在winnt.h標頭檔中定義了一些實現字元和常量字串的宏進行ANSI/Unicode通用編程。同樣，只例舉幾個最常用的：#ifdef　UNICODE
typedef WCHAR TCHAR, *PTCHAR;
typedef LPWSTR LPTCH, PTCH;
typedef LPWSTR PTSTR, LPTSTR;
typedef LPCWSTR LPCTSTR;
#define __TEXT(quote) L##quote　　　// r_winnt
#else　 /* UNICODE */　　　　　　　 // r_winnt
typedef char TCHAR, *PTCHAR;
typedef LPSTR LPTCH, PTCH;
typedef LPSTR PTSTR, LPTSTR;
typedef LPCSTR LPCTSTR;
#define __TEXT(quote) quote　　　　 // r_winnt
#endif /* UNICODE */　　　　　　　　// r_winnt　　從以上標頭檔可以看出，winnt.h根據是否定義了UNICODE（沒有底線），進行條件編譯。

　　 Win32 API也定義了一套字串函數，它們根據是否定義了“UNICODE”分別展開為ANSI和Unicode字串函數。如：lstrlen。API的字串操作函數和C++的操作函數可以實現相同的功能，所以，如果需要的話，建議您儘可能使用C++的字串函數，沒必要去花太多精力再去學習API的這些東西。

　　也許您從來沒有注意到，Win32 API實際上有兩個版本。一個版本接受MBCS字串，另一個接受Unicode字串。例如：其實根本沒有SetWindowText()這個API函數，相反，有SetWindowTextA()和SetWindowTextW()。尾碼A表明這是MBCS函數，尾碼W表示這是Unicode版本的函數。這些API函數的標頭檔在winuser.h中聲明，下面例舉winuser.h中的SetWindowText()函數的聲明部分：#ifdef UNICODE
#define SetWindowText　SetWindowTextW
#else
#define SetWindowText　SetWindowTextA
#endif // !UNICODE　　可見，API函數根據定義UNICODE與否決定指向Unicode版本還是MBCS版本。

　　細心的讀者可能已經注意到了UNICODE和_UNICODE的區別，前者沒有底線，專門用於Windows標頭檔；後者有一個首碼底線，專門用於C運行時標頭檔。換句話說，也就是在ANSI C++語言裡面根據_UNICODE（有底線）定義與否，各宏分別展開為Unicode或ANSI字元，在Windows裡面根據UNICODE（無底線）定義與否，各宏分別展開為Unicode或ANSI字元。

　　在後面我們將會看到，實際使用中我們不加嚴格區分，同時定義_UNICODE和UNICODE，以實現UNICODE版本編程。

　　五、VC++6.0中編寫Unicode編碼的應用程式

　　VC++ 6.0支援Unicode編程，但預設的是ANSI，所以開發人員只需要稍微改變一下編寫代碼的習慣便可以輕鬆編寫支援UNICODE的應用程式。

　　使用VC++ 6.0進行Unicode編程主要做以下幾項工作：

　　1、為工程添加UNICODE和_UNICODE預先處理選項。

　　具體步驟：開啟[工程]->[設定…]對話方塊，1所示，在C/C++標籤對話方塊的“預先處理程式定義”中去除_MBCS，加上_UNICODE,UNICODE。（注意中間用逗號隔開）改動後2：

　　圖一

　　圖二

　　在沒有定義UNICODE和_UNICODE時，所有函數和類型都預設使用ANSI的版本；在定義了UNICODE和_UNICODE之後，所有的MFC類和Windows API都變成了寬位元組版本了。

　　2、設定程式進入點

　　因為MFC應用程式有針對Unicode專用的程式進入點，我們要設定entry point。否則就會出現串連錯誤。

　　設定entry point的方法是：開啟[工程]->[設定…]對話方塊，在Link頁的Output類別的Entry Point裡填上wWinMainCRTStartup。

　　圖三

　　3、使用ANSI/Unicode通用資料類型

　　微軟提供了一些ANSI和Unicode相容的通用資料類型，我們最常用的資料類型有_T ，TCHAR，LPTSTR,LPCTSTR。

　　順便說一下，LPCTSTR和const TCHAR*是完全等同的。其中L表示long指標，這是為了相容Windows 3.1等16位作業系統遺留下來的，在Win32 中以及其它的32位作業系統中，long指標和near指標及far修飾符都是為了相容的作用，沒有實際意義。P（pointer）表示這是一個指標；C（const）表示是一個常量；T(_T宏)表示相容ANSI和Unicode，STR（string）表示這個變數是一個字串。綜上可以看出，LPCTSTR表示一個指向常固定地址的可以根據一些宏定義改變語義的字串。比如：

TCHAR* szText=_T(“Hello!”);
TCHAR szText[]=_T(“I Love You”);
LPCTSTR lpszText=_T(“大家好！”);使用函數中的參數最好也要有變化，比如：MessageBox(_T(“你好”));

　　其實，在上面的語句中，即使您不加_T宏，MessageBox函數也會自動把“你好”字串進行強制轉換。但我還是推薦您使用_T宏，以表示您有Unicode編碼意識。

　　4、修改字串運算問題

　　一些字串操作函數需要擷取字串的字元數(sizeof(szBuffer)/sizeof(TCHAR))，而另一些函數可能需要擷取字串的位元組數sizeof(szBuffer)。您應該注意該問題並仔細分析字串操作函數，以確定能夠得到正確的結果。

　　ANSI操作函數以str開頭，如strcpy()，strcat()，strlen()；

　　Unicode操作函數以wcs開頭，如wcscpy，wcscpy()，wcslen()；

　　ANSI/Unicode操作函數以_tcs開頭 _tcscpy(C運行期庫)；

　　ANSI/Unicode操作函數以lstr開頭 lstrcpy(Windows函數)；

　　考慮ANSI和Unicode的相容，我們需要使用以_tcs開頭或lstr開頭的通用字串操作函數。

　　六、舉個Unicode編程的例子

　　第一步：

　　開啟VC++6.0，建立基於對話方塊的工程Unicode，主對話方塊IDD_UNICODE_DIALOG中加入一個按鈕控制項，雙擊該控制項並添加該控制項的響應函數：

void CUnicodeDlg::OnButton1()
{
　　TCHAR* str1=_T("ANSI和UNICODE編碼實驗");
　　m_disp=str1;
　　UpdateData(FALSE);
}　　添加靜態文字框IDC_DISP，使用ClassWizard給該控制項添加CString類型變數m_disp。使用預設ANSI編碼環境編譯該工程，產生Unicode.exe。

　　第二步：

　　開啟“控制台”，單擊“日期、時間、語言和地區設定”選項，在“日期、時間、語言和地區設定”視窗中繼續單擊“地區和語言選項”選項，彈出“地區和語言選項”對話方塊。在該對話方塊中，單擊“進階”標籤，將“非Unicode的程式的語言”選項改為“日語”，單擊“應用”按鈕，四：

　　圖四

　　彈出的對話方塊單擊“是”，重新啟動電腦使設定生效。

　　運行Unicode.exe程式並單擊“Button1”按鈕，看，靜態文字框出現了亂碼。

　　第三步：

　　改為Unicode編碼環境編譯該工程，產生Unicode.exe。再次運行Unicode.exe程式並單擊“Button1”按鈕。看到Unicode編碼的優勢了吧。

　　就說這些吧，祝您好運。

 

轉自：http://tech.ddvip.com/2007-03/117395585321221.html