字符编码方式

在学习命令行参数的时候发现了一个问题，argv[]中的字符串无法正确输出，每次都只能输出第一个字符。

在马大神的尝试下，更改了入口函数，发现问题解决了。

原函数如下：

int _tmain(int argc, _TCHAR* argv[])

修改后如下：

int main(int argc, char* argv[])

首先对函数的第二个参数进行说明：

Windows为了消除各编译器的差别，重新定义了一些数据类型，CHAR,TCHAR,LPSTR,LPCSTR几个类型都是这样的。 

char是C语言标准数据类型，字符型，至于由几个字节组成通常由编译器决定，一般一个字节。还有个WCHAR为Unicode字符，即不论中英文，每个字有两个字节组成。如果当前编译方式为ANSI(默认)方式，TCHAR等价于CHAR，如果为Unicode方式，TCHAR等价于WCHAR。这样对应的就有了两套字符串字符串处理函数，比如：strlen和wcslen，分别用于处理两种字符串。

LPSTR：32bit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

在VS2010中，项目默认采用的字符集为Unicode，所以入口函数的_TCHAR为两字节字符，也就是WCHAR。

所以问题在于printf或者cout都是对char类型的输出，所以遇到了WCHAR也就只能输出第一个字符。

而对于WCHAR也有其自有的wcout，而printf则可以改成_tprintf，并且""内的字符串需要用_T()括起来才可以。_T()这一存在其实也和编译方式有关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，则编译器会把字符串以UNICODE方式保存。在这里，提一下两种编译方式的包裹，常规的ANSI编码（使用""包裹）和Unicode编码（使用L""包裹）。而_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。

同理，在不同名称的入口函数也是这个原理，main和_tmain：

_tmain()是微软操作系统（windows）提供的对unicode字符集和ANSI字符集进行自动转换用的程序入口点函数。

当你程序当前的字符集为unicode时，int _tmain(int argc, TCHAR *argv[])会被翻译成int wmain(int argc, wchar_t *argv[])

当你程序当前的字符集为ANSI时，int _tmain(int argc, TCHAR *argv[])会被翻译成int main(int argc, char *argv[])

所以，我们可以这样说，_T的出现是为了统一两个不同的编码方式ANSI和Unicode。

最后，来谈一下Unicode。

Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。

大概来说，Unicode 编码系统可分为编码方式和实现方式两个层次。

Unicode是国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。在Unicode中：汉字“字”对应的数字是23383。

在Unicode中，我们有很多方式将数字23383表示成程序中的数据，包括：UTF-8、UTF-16、UTF-32。UTF是“UCS Transformation Format”的缩写，可以翻译成Unicode字符集转换格式，即怎样将Unicode定义的数字转换成程序数据。Unicode用数字0-0x10FFFF来映射这些字符，最多可以容纳1114112个字符，或者说有1114112个码位。码位就是可以分配给字符的数字。这其中的UTF-8、UTF-16、UTF-32实现方式没有细究，只是大概看了UTF-8貌似是利用哈夫曼编码进行的。