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。