当前位置：文档之家 › Windows字符编码 双字节 多字节 宽字符 UNICode编码

Windows字符编码 双字节 多字节 宽字符 UNICode编码

  • 格式：pdf
  • 大小：187.17 KB
  • 文档页数：2

Windows字符编码

1.扩展ASCII编码，当用一个字节来保存字符，则可以由128个附加字符来补充ASCII

代码页定义了字符的映射代码。最初的IBM字符集被称作代码页437代码页850就是"MS-DOS Latin 1"它用于附

加的带重音字母代替一些线性字符。其他代码页被其他语言定义。最低的128个代码总是相同的，较高的128个代

码取决于定义代码页的语言。

2.采用双字节字符集容纳语言和ASCII编码之间的兼容性。最初的128个代码是ASCII，然而较高的128个代码中

的某些总是跟随者第二个字节。这两个字节一起定义一个字符，通常是一个复杂的象形文字。

3.双字符集问题并不是说字符由两个字节代表。问题在于一些字符由1个字节表示。这些会引发附加的编程问题。例

如：字符串中的字符数不能用字符串的字节数决定，必须剖析字符串才能决定其长度，而且必须必须检查出每个字节

以确定它是否为双字节字符的首字节。

4.Unicode是统一的16位系统，这样就允许表示65536个字符。Unicode中的每个字符都是16位宽而不是8位

宽，在Unicode中8位没有意义。相比之下，在双字节字符集中我们仍然处理8位数值，有些字节自身定义一个字

符，而有的字节则需要和另一个字节共同定义一个字符。Unicode使用的是宽字符集。

5.多字节字符集主要影响c运行时库函数，相比之下，宽字符比正常字符宽，而且会引起一些编译问题。宽字符不需

要Unicode。Unicode是一种可能的宽字符编码，然而因为本书的焦点是Windows而不是c运行理论，所以我将把

宽字符和Unicode作为同义语。

6.Intel处理器首先从最低位字节开始存储多字节数值，所以该字节实际上是以：0x41,0x00的顺序保存在内存中

5.Unicode最大的好处是这里只有一个字符集，没有一点含糊

6.Unicode的缺点在于Unicode字符串占用的存储器的是ASCII字符串的两倍

7.在c语言中使用宽字符兼容Unicode，使用宽字符的时候，strlen函数应该使用它对应的宽字符版本：wcslen

8.改成宽字符以后，字符串的字符长度不改变，只是字节长度改变了。

9.wprintf是printf的宽字符版本

10.windows实现的字符串处理函数：

llength=lstrlen(pstring)

pstring=lstrcpy(pstring1,pstring2)

pstring=lstrcpyn(pstring1,pstring2,iCount)

pstring=lstrcat(pstring1,pstring2)

iComp=lstrcmp(pstring1,pstring2)

iComp=lstrcmpl(pString1,pString2)

11.使用sprintf有一个负担，你必须面对的一个问题是定义的字符串缓冲区必须足够大用来存储输出的数据。

Microsoft专用函数_snprintf解决了这一问题，此函数引进了另一个参数，并以字符数表示出了缓冲区的大小。

12.vsprintf函数是sprintf函数的一个变形，vsprintf有三个参数，vsprintf的前两个参数与sprintf相同：一个用

于保存结果的字符缓冲区和一个格式字符串，第三个参数是指向格式化参数数组的指针

13.在宽字符串版的sprintf函数中，字符串缓冲区被定义宽字符串，在宽字符版的所有这些函数中，格式化字符串必须是一个宽字符串，同时必须确保所有传递给这些函数的其他字符串也必须由宽字符组成。

合集下载

用vc++如何得到汉字的Unicode编码？

用vc++如何得到汉字的Unicode编码？

⽤vc++如何得到汉字的Unicode编码？

UNICODE环境设置

在安装Visual Studio时，在选择VC++时需要加⼊unicode选项，保证相关的库⽂件可以拷贝到system32下。

UNICODE编译设置：

C/C++, Preprocessor difinitions 去除_MBCS，加_UNICODE,UNICODE

在ProjectSetting/link/output 中设置Entry为wWinMainCRTStartup

反之为MBCS（ANSI）编译。

Unicode ：宽字节字符集

1. 如何取得⼀个既包含单字节字符⼜包含双字节字符的字符串的字符个数？

可以调⽤Microsoft Visual C++的运⾏期库包含函数_mbslen来操作多字节（既包括单字节也包括双字节）字符串。

调⽤strlen函数，⽆法真正了解字符串中究竟有多少字符，它只能告诉你到达结尾的0之前有多少个字节。

size_t strlen( const char *string );

size_t wcslen( const wchar_t *string );

size_t _mbslen( const unsigned char *string );

size_t _mbstrlen( const char *string );

2. 如何对DBCS（双字节字符集）字符串进⾏操作？

函数 描述

PTSTR CharNext （ LPCTSTR ）; 返回字符串中下⼀个字符的地址

PTSTR CharPrev （ LPCTSTR, LPCTSTR ）； 返回字符串中上⼀个字符的地址

BOOL IsDBCSLeadByte( BYTE )； 如果该字节是DBCS字符的第⼀个字节，则返回⾮0值

3. 为什⼳要使⽤Unicode？

（1） 可以很容易地在不同语⾔之间进⾏数据交换。

（2） 使你能够分配⽀持所有语⾔的单个⼆进制.exe⽂件或DLL⽂件。

几种常见 字符编码详解

几种常见 字符编码详解

.

-

-

-可修编- 编程综合

blog.minidx./2021/10/22/1570.html

blog.minidx./2021/11/06/1607.html

blog.minidx./2021/12/06/1689.html

blog.minidx./2021/12/09/1700.html

摘录1：

GBK范围：

1st byte | 2nd byte

0×81~0xfe | 0×40~0×7e and 0×80~0xfe

BIG5范围：

1st byte | 2nd byte

0×81~0xfe | 0×40~0×7e and 0xa1~0xfe

下面是来自libiconv的关于GBK〔cp936〕和BIG5〔cp950〕的两段代码，相信还是相当有用的。

摘录2：

一 预备知识1，字符：字符是抽象的最小文本单位。它没有固定的形状〔可能是一个字形〕，而且没有值。“A〞是一个字符，“€〞〔德国、法国和许多其他欧洲国家通用货币的标志〕也是一个字符。“中〞“国〞这是两个汉字字符。字符仅仅代表一个符号，没有任何实际值的意义。

2，字符集：字符集是字符的集合。例如，汉字字符是中国人最先创造的字符，在中文、日文、韩文和越南文的书写中使用。这也说明了字符和字符集之间的关系，字符组成字符集〔iso8859-1，GB2312/GBK，unicode〕。

3，代码点：字符集中的每个字符都被分配到一个“代码点〞。每个代码点都有一个特定的唯一数值，称为标值。该标量值通常用十六进制表示。4，代码单元： 在每种编码形式中，代码点.

目前微型计算机最常用的字符编码

目前微型计算机最常用的字符编码

目前微型计算机最常用的字符编码

目前微型计算机最常用的字符编码是Unicode编码。Unicode是一种国际标准

字符集，它包含了世界上大部分语言所需要的字符，并可满足未来任何可能出现的

字符需求。Unicode编码使用1至4个字节来表示一个字符，可以表示超过100,000

个字符，包括字符、符号、标点、数字和控制字符等。Unicode编码的出现使得不

同语言的文字可以在同一文档中共存，为实现全球化和国际化提供了便利。

与Unicode编码类似的还有ASCII编码和GB2312编码。ASCII编码是一种最

早的字符编码标准，它只能表示英文、数字和一些特殊字符，不支持中文等其他语

言。GB2312编码是由中国国家标准委员会制定的中文字符编码标准，只能表示汉

字和少量符号。与Unicode编码相比，ASCII编码和GB2312编码的字符范围较小，

不支持全球化和国际化。

在微型计算机中，Unicode编码得到了广泛应用，几乎所有的操作系统和软件

都支持Unicode编码。同时，随着互联网的发展和全球化的加速，Unicode编码的

重要性越来越受到重视，成为跨语言交流和文化交流的基础。

_T（）和_L（）_TEXT__T,L区别与联系详解

_T（）和_L（）_TEXT__T,L区别与联系详解

_T（）和_L（）_TEXT__T,L区别与联系详解

_T("")是⼀个宏,他的作⽤是让你的程序⽀持Unicode编码

因为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。

Windows NT的所有与字符有关的函数都提供两种⽅式的版本，⽽Windows 9x只⽀持ANSI⽅式。

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。

如果是UNICODE#define __TEXT(quote) L##quote

#define __T(x) L##x

否则#define __TEXT(quote) quote

#define __T(x) x

在TCHAR.h#define _T(x) __T(x)

#define _TEXT(x) __T(x)

L"Hello!" ----- 引号前⾯的⼤写字母L（代表「long」）。这将告诉编译器该字串按宽字符保存——即每个字符占⽤2个字节。则字串变量需

要14个字节－每个字符需要2个字节，末尾的0还需要2个字节。

////////////////////////////////////////////////////

size_t,__T,_T,TEXT,_TEXT等⼀些特殊宏的理解 Unicode解决⽅案

对于wchar_t在WCHAR.h中是这样定义的：#define unsigned short wchar_t

那么现在你该理解它了吧。

因此，wchar_t数据型态与⽆符号短整数型态相同，都是16位宽。

要定义包含⼀个宽字符的变量，可使⽤下⾯的语句：