多字节字符集与Unicode字符集

　　在计算机中字符一般并非保存为图像，每一个字符都是使用一个编码来表示的，而每一个字符究竟使用哪一个编码表明，要取决于使用哪一个字符集(charset)。 

多字节字符集：

　　在最初的时候，Internet上只有一种字符集——ANSI的ASCII字符集，它使用7 bits来表示一个 字符，总共表示128个字符，其中包括了 英文字母、数字、标点符号等经常使用字符。以后，又进行扩展，使用8 bits表示一个字符，能够表示256个字符，主要在原来的7 bits字符集的基础上加入了一些特殊符号。后来，因为各国语言的加入，ASCII已经不能知足信息交流的须要，为了可以表示其它国家的文字，各国在 ASCII的基础上制定了本身的字符集，这些从ANSI标准派生的字符集被习惯的统称为ANSI字符集，它们正式的名称应该是MBCS(Multi-Byte Chactacter System，即多字节字符系统)。这些派生字符集的特色是以ASCII 127 bits为基础，兼容ASCII 127，他们使用大于128的编码做为一个Leading Byte，紧跟在Leading Byte后的第二（甚至第三）个字符与 Leading Byte一块儿做为实际的编码。这样的字符集有不少，咱们常见的GB-2312就是其中之一。

Unicode字符集：

　　Unicode的学名 是"Universal Multiple-Octet Coded Character Set"，简称为UCS。UCS能够看做是"Unicode Character Set"的缩写。UCS只是规定如何编码，并无规定如何传输、保存这个编码。UTF是“UCS Transformation Format”的缩写。

　　Unicode字符集有多种编码形式，它固定使用16 bits（两个字节、一个字）来表示一个字符，共能够表示65536个字符。将世界上几乎全部语言的经常使用字符收录其中，方便了信息交流。标准的Unicode称为UTF-16。后来为了双字节的Unicode可以在现存的处理单字节的系统上正确传输，出现了UTF-8(注意UTF-8是编码，它属于Unicode字符集)，使用相似MBCS的方式对Unicode进行编码。UTF-8以字节为编码单元，没有字节序的问题。UTF-16以两个字节为编码单元。

　　UTF-16包括三种：UTF-16，UTF-16BE(Big Endian)，UTF-16LE(Little Endian)，UTF-16须要经过在文件开头以名为BOM(Byte Order Mark)的字符来代表文件是Big Endian仍是Little Endian。Unicode规范中推荐的标记字节顺序的方法是BOM(Byte Order Mark)。在UCS编码中有一个叫作"ZERO WIDTH NO-BREAK SPACE"的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，因此不该该出如今实际传输中。UCS规范建议咱们在传输字节流前，先传输字符"ZERO WIDTH NO-BREAK SPACE"。这样若是接收者收到FEFF，就代表这个字节流是Big-Endian的；若是收到FFFE，就代表这个字节流是Little-Endian的。所以字符"ZERO WIDTH NO-BREAK SPACE"又被称做BOM。

　　UTF-8不须要BOM来代表字节顺序，但能够用BOM来代表编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF BB BF（读者能够用咱们前面介绍的编码方法验证一下）。因此若是接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。

　　Windows就是使用BOM来标记文本文件的编码方式的。

　　L是用来标志一个字符(串)为宽字符(串)，当你在VS2005以上版本的IDE工做时，能够选择工做于这两种不一样的编码方式下，而在Unicode方式下，则要对字符(串)常量前添加L来告诉编译器它是宽字符。MS为咱们定义了好几个相关的宏：_T（定义于tchar.h）、_TEXT（一样定义于tchar.h）。

　　 TEXt()：若是定义了Unicode，标识字符为Unicode;不然，为ANSI字符集。在VS2010使用Unicode字符集下：

//    MessageBox("Test");  //错误

//    MessageBox(_T("Test"));
//    MessageBox(TEXT("Test"));
      MessageBox(_TEXT("Test"));

　　

　　对于为何使用Unicode？（如下引自《windows核心编程》）
　　开发应用程序的时候，强烈建议你使用Unicode字符和字符串，理由以下：

• Unicode使程序的本地化变得更容易；
• 使用Unicode，只需发布一个二进制（.exe或DLL）文件，便可支持全部语言；
• Unicode代码执行速度更快，占用内存更少，提高了应用程序的效率。自从Windows2K开始，Win的系统内核开始彻底支持并彻底应用Unicode编写，全部ANSI字符在进入底层前，都会被相应的API转换成Unicode。因此，若是你一开始就使用Unicode，则能够减小转换的用时和RAM开销。
• 使用Unicode，你的应用程序能轻松调用全部不反对使用（nondeprecated）的Windows函数，由于一些Windows函数提供了只能处理Unicode字符和字符串的版本；
• 使用Unicode，你的代码很容易与COM集成（后者要求使用Unicode字符和字符串）；
• 使用Unicode，你的代码很容易与.NET Framework集成（后者要要求使用Unicode字符和字符串）；
• 使用Unicode，能保证你的代码可以轻松操纵你本身的资源（其中的字符串老是Unicode的）；
• 世界上大多数程序用的字符集都是Unicode，由于Unicode有利于程序国际化和标准化；

　　

　　wchar_t与char类型间的转换：

#include<iostream>  
#include<Windows.h>
using namespace std;  
class CUser  
{  
public:  
    CUser();  
    virtual ~CUser();  
    char* WcharToChar(wchar_t* wc);//宽字节转单字节   
    wchar_t* CharToWchar(char* c); //单字节转宽字节   
    void Release();//释放资源   
private:  
    char* m_char;  
    wchar_t* m_wchar;  
};  
/////////////////////////////////////////////////////////////////////////////////////   
/*字符类型        wchar_t     char 
/*获取字符长度    wcslen()    strlen() 
/*链接两个字符串  wcscat()    strcpy() 
/*复制字符串      wcscpy()    strcpy() 
/*比较两个字符串  wcscmp()    strcmp() 
/*具体参数详见www.linuxidc.com*/  
////////////////////////////////////////////////////////////////////////////////////   
CUser::CUser():m_char(NULL),m_wchar(NULL)  
{  
}  
CUser::~CUser()  
{  
    Release();  
}  

//宽字节转单字节   
char* CUser::WcharToChar(wchar_t* wc)  
{  
    Release();  
    int len= WideCharToMultiByte(CP_ACP,0,wc,wcslen(wc),NULL,0,NULL,NULL);  
    m_char=new char[len+1];  
    WideCharToMultiByte(CP_ACP,0,wc,wcslen(wc),m_char,len,NULL,NULL);  
    m_char[len]='\0';  
    return m_char;  
}  

//单字节转宽字节   
wchar_t* CUser::CharToWchar(char* c)  
{  
    Release();  
    int len = MultiByteToWideChar(CP_ACP,0,c,strlen(c),NULL,0);  
    m_wchar=new wchar_t[len+1];  
    MultiByteToWideChar(CP_ACP,0,c,strlen(c),m_wchar,len);  
    m_wchar[len]='\0';  
    return m_wchar;  
}  

//释放资源   
void CUser::Release()  
{  
    if(m_char)  
    {  
        delete m_char;  
        m_char=NULL;  
    }  
    if(m_wchar)  
    {  
        delete m_wchar;  
        m_wchar=NULL;  
    }  
} 

使用以下：

WCHAR* wc;  
CUser u;  
char* c=u.WcharToChar(wc);  
cout<<c<<endl;