UNICODE与多字节字符集等字符问题

VS2008默认的字符集是Unicode，而VC6.0默认是多字节字符集，Unicode字符集你要加_T("")或L""，你也可以“

工程-属性-修改字符集”。

 １. UNICODE：它是用两个字节表示一个字符的方法。比如字符'A'在ASCII下面是一个字符，可'A'在UNICODE下面是

两个字符,高字符用0填充，而且汉字'程'在ASCII下面是两个字节，而在UNICODE下仍旧是两个字节。UNICODE的

用处就是定长表示世界文字，据统计，用两个字节可以编码现存的所有文字而没有二义。 
 
 ２. MBCS，它是多字节字符集，它是不定长表示世界文字的编码。MBCS表示英文字母时就和ASCII一样（这也是我们

容易把MBCS和ASCII搞混的原因），但表示其他文字时就需要用多字节。

 

WINDOWS下面的程序设计可以支持MBCS和UNICODE两种编码的字符串，具体用那种就看你定义了MBCS宏还是

UNICODE宏。MBCS宏对应的字符串指针是char*也就是LPSTR，UNICODE对应的指针是unsigned   short*也就是

LPWSTR，为了写程序方便微软定义了类型LPTSTR，在MBCS下他就是char*,   在UNICODE下它是unsigned  

char*,这样你就可以重定义一个宏进行不同字符集的转换了。

3. LPTSTR、LPCSTR、LPCTSTR、LPSTR的意义：

LPSTR：  32-bit指针 指向一个字符串，每个字符占1字节
LPCSTR:  32-bit指针 指向一个常字符串，每个字符占1字节
LPCTSTR: 32-bit指针 指向一个常字符串,每字符可能占1字节或2字节，取决于Unicode是否定义
LPTSTR:  32-bit指针 每字符可能占1字节或2字节，取决于Unicode是否定义

 

Windows使用两种字符集ANSI和UNICODE，前者就是通常使用的单字节方式，但这种方式处理象中文这样的双字节

字符不方便，容易出现半个汉字的情况。而后者是双字节方式，方便处理双字节字符。WindowsNT的所有与字符

有关的函数都提供两种方式的版本，而Windows9x只支持ANSI方式。_T一般同字常数相关，如_T("Hello"。如果

你编译一个程序为ANSI方式，_T实际不起任何作用。而如果编译一个程序为UNICODE方式，则编译器会把"Hello"

字符串以UNICODE方式保存。_T和_L的区别在于，_L不管你是以什么方式编译，一律以UNICODE方式保存.

 

 ４. 例1：

Windows核心编程的第一章。

L是表示字符串资源为Unicode的。

比如
wchar_t Str[] = L"Hello World!";    这个就是双子节存储字符了。

_T是一个适配的宏～

当
#ifdef _UNICODE的时候
_T就是L
没有#ifdef _UNICODE的时候
_T就是ANSI的。

 

比如

LPTSTR lpStr = new TCHAR[32];
TCHAR* szBuf = _T("Hello");
以上两句使得无论是在UNICODE编译条件下都是正确编译的。

而且MS推荐你使用相匹配的字符串函数。
比如处理LPTSTR或者LPCTSTR 的时候，不要用strlen ,而是要用_tcslen

否则在UNICODE的编译条件下，strlen不能处理 wchar_t*的字符串。

T是非常有意思的一个符号（TCHAR、LPCTSTR、LPTSTR、_T()、_TEXT()...），它表示使用一种中间类型，既不

明确表示使用 MBCS，也不明确表示使用 UNICODE。那到底使用哪种字符集?编译的时候才决定

在大多数情况下，CString 转换成 LPTSTR是非常容易的，如果函数要求传入LPTSTR型的参数，直接传一个

CString也行，但是在visual studio 2008中，却偶尔会出现不能转换的情况，这个为什么呢？

有人以为这是ASCII（多字节）与Unicode（宽字节）之间的问题，其实不是，要知LPTSTR这个宏是随编译器参数

不同而不同的，如果在编译器——常规里面设置程序按ASCII编译，那LPTSTR就表示char*，如果选择按Unicode

编译那就是wchar_t*。CString也是如此，随编译器选项的不同，可以是ASCII字符串也可以是Unicode字符串。

那么CString与LPTSTR，要么全是多字节，要么全是宽字节，不可能存在两者之间不能转换的问题。

 

例2:

1. 如何将 CString 型转换为 LPBYTE 
CString   str;   
LPBYTE   by   =   (LPBYTE)(LPCSTR)str;

 

2. LPBYTE　如何转为CString 型

CString   str;

str.Format("%s", by);

在vc++中有着各种字符串的表示法，如您所说。        

    首先char*   是指向ANSI字符数组的指针，其中每个字符占据8位（有效数据是除掉最高位的其他7位），这里保持了与传统的C,C++的兼容。      

 LP的含义是长指针(long   pointer)。

LPSTR是一个指向以‘’结尾的ANSI字符数组的指针，与char*可以互换使用，在win32中较多地使用LPSTR。而LPCSTR中增加的‘C’的含义是“CONSTANT”（常量），表明这种数据类型的实例不能被使用它的API函数改变，除此之外，它与LPSTR是等同的。    

    为了满足程序代码国际化的需要，业界推出了Unicode标准，它提供了一种简单和一致的表达字符串的方法，所有字符中的字节都是16位的值，其数量也可以满足差不多世界上所有书面语言字符的编码需求，开发程序时使用Unicode（类型为wchar_t)是一种被鼓励的做法。    

    LPWSTR与LPCWSTR由此产生，它们的含义类似于LPSTR与LPCSTR，只是字符数据是16位的wchar_t而不是char。       

 然后为了实现两种编码的通用，提出了TCHAR的定义：   

如果定义_UNICODE，声明如下：     typedef   wchar_t   TCHAR;    

如果没有定义_UNICODE，则声明如下：     typedef   char   TCHAR;     

LPTSTR和LPCTSTR中的含义就是每个字符是这样的TCHAR。       

CString类中的字符就是被声明为TCHAR类型的，它提供了一个封装好的类供用户方便地使用。