多字节与Unicode

编码知识

1、Unicode与多字节（ANSI ）

(1)Windows中，Unicode也称为宽字节，多字节也称为窄字节; VS中默认使用Unicode编码，在项目属性>>配置属性>>常规>>字符集中可选择Unicode字符集或者多字节字符集

(2) Unicode与多字节函数版本、字符、字符串类型的区别

Win32 API中大部分参数有字符串的函数都有两个版本

以A结尾,表明多字节版本	以W结尾,表明Unicode版本	根据版本自动选择的
如：CreateEventA	如：CreateEventW	如：CreateEvent

C运行库也有不少相似的函数

多字节版本	Unicode版本	自适应版本
strcpy	wcscpy	_tcscpy
strcat	wcscat	_tscscat
strlen	wcslen	_tcslen

函数有两种，因此字符也有两种

多字节字符	Unicode字符	自适应字符
char	wchar_t	TCHAR

(3) 常见Win32字符串类型

LPSTR、LPWSTR、LPTSTR、LPCTSTR

LP前缀，表明指针；STR后缀表明字符串

LPSTR:表明多字节

LPWSTR:表明Unicode

LPTSTR:T自适应

LPCTSTR:C表明const+T表明自适应

备注：变量类型使用自适应类型后如LPTSTR，相关字符串须要用TEXT()进行包裹

const char* str = "hello";
    const wchar_t*  wstr = L"hello";
    const TCHAR* tstr = TEXT("hello");

(4)关于_T()

#ifdef _UNICODE 
        #define _T(X) L ## X   //Unicode版本
        #else
        #define _T(X) X     //多字节版本
        #endif

(5)Unicode与多字节的选择

1.Unicode程序环境适应能力强，不会出现乱码问题

2.Unicode程序运行速度比多字节程序快。缘由：Windows内部都是使用Unicode编码，多字节函数会将参数转码后交给Unicode函数

3.控制后台可以使用多字节，GUI程序最好使用Unicode

2、Unicode

(1)Unicode实现方式：UTF-32

以4个byte为编码单元进行定长存储，调度器一次性下发4个byte进行存储任务

主要有两种方式：

大端法UTF-32BE：地址由小向大增长，而数据从高位往低位放 ，在网络上传输数据广泛采用的都是大端

小端法UTF-32LE：地址由小向大增长，而数据从低位往高位放，在英特尔处理器，Windows10操做系统，采用小端法。

(2)UTF-16

也有大小端模式

UTF-16 LE是windows上默认的Unicode编码方式，使用wchar_t表示。全部wchar_t *类型的字符串(包括硬编码在.h/.cpp里的字符串字面值)

char chinese[] = "你";  
//大小为3个byte，一个char存储结束符,两个char存储汉字字符‘你’   1char:1byte
wchar_t wchinese[] = L"你";  
//大小为4个byte, 一个wchar_t存储结束符,一个wchar_t存储汉字字符‘你’  1wchar_t:2byte(window下)
auto size = sizeof(chinese);  // 3 byte
auto wsize = sizeof(wchinese);  // 4 byte
auto len = strlen(chinese); // 2个字符(除去结束符)
auto wlen = wcslen(wchinese); // 1个字符(除去结束符)

优点：就是大多数状况下一个wchar_t表示一个字符(包括中文字符)

坑：char *类型的字面值，最终内存使用何种编码方式彻底取决于当前文件的编码方式

备注：在Windows上应该铭记没有char / std::string这种类型的字符/字符串，只有wchar_t / char16_t / std::wstring / std::u16string

(3)UTF-8

优点：无字节序的概念，不用考虑大小端问题，适用与字符串的网络数据传输

劣势：如上代码，一个char并不能表示一个汉字字符，每每须要两个char

3、ANSI

(1)概念

能够认为ANSI / MBCS (多字节字符集) / 本地编码是同一个概念，不一样的国家和地区制定了不一样的标准，有GB23十二、GBK、GB18030、Big五、Shift_JIS 等各自的编码标准，ASCII就是美国国家的ANSI标准，一个国家的代码到另外一个国家使用，有可能因为编码标准不一致，致使乱码，因而才有了万国码Unicode，各国通用。

总结