关于Unicode和多字节编码

以前写代码的时候vs总是把main函数写成_tmain以前也不深究，最近忽然好奇为什么这么写，查了下知道_tmain是为了支持Unicode编码方式的main函数，那么什么是Unicode，Unicode之外的编码又是什么编码呢？

Unicode之外的编码

在谈这个之前要先说一下，为什么要编码。

ASCII编码

我们知道，在计算机内部，所有的信息最终都表示为一个二进制的字符串。每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。也就是说，一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从0000000到11111111。
上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系（这也是为什么会出现多字节编码），做了统一规定。这被称为ASCII码，一直沿用至今。
ASCII码一共规定了128个字符的编码，比如空格"SPACE"是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。

非ASCII编码

对于英语来说一个字节8位的编码是完全够用的，但是对于其他语言，仅用一个字节中后7位是不够的，因此有些国家就将没有利用的第一位利用起来，这样的话，同一个编码比如122对于不同国家来说对应的字符是不一样的。同时，对于汉语来说一个字节的编码对于汉语来说明显是不够的。因此就出现了大于一个字节，即多字节的编码。对于亚洲文字，出现了很多编码方式，简体中文常见的编码方式是GB2312，使用两个字节表示一个汉字，理论上可以表示256*256 =65536个符号，对于我们常用的汉字与符号是够用了。

但这样也会带来一个问题：各个国家都用自己的编码，编写的代码是没法在各个国家通用的。因此需要一个全球统一的文字编码方式——Unicode。

Unicode

Unicode为每一个符号都给予独一无二的编码，那么乱码的问题就解决了。但是Unicode也有一个问题，英文字母的编码最多占用7位，而汉字的编码可能占据2个字节，甚至更多。如果规定Unicode的长度一定是3个字节或者4个字节，那么字母的编码前边几个字节都会是0，这对于存储来说是很大的浪费。文本文件的大小也会比以前的多字节编码多很多。因此就出现了Unicode的各个版本，比如说UTF-8，UTF-16，具体细节就不多说了。

回归最初讨论的问题，windows为什么要用tmain，为什么还要支持多字节编码，我的理解是中国对于汉字有自己的很多种编码，而windows要进入中国市场就要遵守中国的编码规则，与国内的诸多软件可以兼容使用，同时保证使用舒适度。而linux为什么就没有这个问题，我觉得是因为linux没必要迁就各国的多字节编码，因为它本来就是免费的，因此会采用Unicode编码。这也就是为什么在windows上可以用的代码，在linux上会出现乱码的情况。